python - Groupby 并 reshape 长到宽格式的数据框，同时将元素聚合为数组

Question

假设我有一个这样的数据框:

    user  order  value
0     1      0     90
1     1     10     80
2     1     20     70
3     2     30     60
4     2     40     50
5     2     50     40
6     3     60     30
7     3     70     20
8     3     80     10

现在我希望像这样 reshape 它，每个用户都有自己的行值。请注意，该行是根据数据框中 order 列中的值排序的。

         1    2    3 ...
user
1       90   80   70
2       60   50   40
3       30   20   10  

甚至保留原始数据框中的顺序和任何其他值，以便每个组件都是一个数组:

          1           2          3 ...
user
1       [0, 90]   [10, 80]   [20, 70]
2       [30, 60]  [40, 50]   [50, 40]
3       [60, 30]  [70, 20]   [80, 10]  

这个操作叫什么，是否可以在 Pandas 中用几行代码完成？

Answer 1

第一个输出:

您可以使用 groupby使用 lambda 函数，其中通过 Series.values 创建 numpy 数组 :`:

df = df.groupby('user')['value'].apply(lambda x: pd.Series(x.values)).unstack()
df.columns = df.columns + 1
print (df)
       1   2   3
user            
1     90  80  70
2     60  50  40
3     30  20  10

第二个输出:

您可以使用 groupby使用 lambda 函数，其中通过 DataFrame.values 创建 numpy 数组 ，它们被转换为 list 并最后转换为 Series:

#for add 1 tp column names use rename
df = df.groupby('user')
       .apply(lambda x: pd.Series(x[['order','value']].values.tolist())
       .rename(index=lambda x: x+1))
print (df)
             1         2         3
user                              
1      [0, 90]  [10, 80]  [20, 70]
2     [30, 60]  [40, 50]  [50, 40]
3     [60, 30]  [70, 20]  [80, 10]

df = df.groupby('user').apply(lambda x: pd.Series(x[['order','value']].values.tolist()))
#add 1 to column names last
df.columns = df.columns + 1
print (df)
             1         2         3
user                              
1      [0, 90]  [10, 80]  [20, 70]
2     [30, 60]  [40, 50]  [50, 40]
3     [60, 30]  [70, 20]  [80, 10]