python - 生成新列作为其他列的组合

Question

我有一个 DataFrame，它在列中有一个标识符的多个组件，在另一列中有一个与标识符关联的值。我希望能够创建 n 列，以便每一列都是标识参数。

            foo    Type      ID     Index    Value  
25090        x       A        0       0     23272000
25090        x       A        0       0     23272000
25091        x       A        1       0     22896000
25092        x       B        0       1     20048000
25093        y       A        0       0     19760000
25092        y       B        0       1     20823342

我想让它有 n 列 Type_ID_Index 分组(我可以通过 groupby 获得)并且每一列都有各自的值。我希望该值与 foo 相关联。

即

           foo          A_0_0     A_1_0     B_0_1      
25090        x         23272000  22896000  20048000
25090        x         23272000  22896000  20048000
25091        x         23272000  22896000  20048000
25092        x         23272000  22896000  20048000
25093        y         19760000  21568000  20823342
25092        y         19760000  21568000  20823342

我该如何实现？

Answer 1

从您的示例数据开始

In [3]: df
Out[3]: 
      foo  bar Type  ID  Index     Value

25090   x    9    A   0      0  23272000
25090   x    5    A   0      0  23272000
25091   x    3    A   1      0  22896000
25092   x    3    B   0      1  20048000
25093   y    6    A   0      0  19760000
25092   y    4    B   0      1  20823342

通过按行应用join 连接每一行的标识符。

In [4]: identifier = df[['Type', 'ID', 'Index']].apply(
             lambda x: '_'.join(map(str, x)), axis=1)

从您的值列创建一个系列，并通过标识符和 foo 对其进行索引。

In [5]: v = df['Value']

In [6]: v.index = pd.MultiIndex.from_arrays([df['foo'], identifier])

In [7]: v
Out[7]: 
foo       
x    A_0_0    23272000
     A_0_0    23272000
     A_1_0    22896000
     B_0_1    20048000
y    A_0_0    19760000
     B_0_1    20823342
Name: Value, dtype: int64

将其拆栈，并将其加入“foo”上的原始 DataFrame。

In [8]: df[['foo', 'bar']].join(v.drop_duplicates().unstack(), on='foo')
Out[8]: 
      foo  bar     A_0_0     A_1_0     B_0_1

25090   x    9  23272000  22896000  20048000
25090   x    5  23272000  22896000  20048000
25091   x    3  23272000  22896000  20048000
25092   x    3  23272000  22896000  20048000
25093   y    6  19760000       NaN  20823342
25092   y    4  19760000       NaN  20823342

请注意，在取消堆叠之前，我在 v 中删除了重复项。这是必不可少的。如果您在数据集中的任何地方对同一标识符有不同的值，就会遇到麻烦。

要点:您的示例输出中有一行 (25094) 在您的示例输入中缺失。此外，我输出中的 NaN 是有意义的:当 foo='y' 时，A_1_0 没有指定任何值。