python - 我将如何使用 pandas 旋转这个基本表？

Question

我想要的是:

visit_id   atc_1   atc_2    atc_3     atc_4     atc_5  atc_6  atc_7
48944282   A02AG   J01CA04  J095AX02  N02BE01   R05X   NaN    NaN
48944305   A02AG   A03AX13  N02BE01      R05X   NaN    NaN    NaN

我不知道需要提前多少个 atc_1...atc_7...?atc_100 列。我只需要将所有关联的 atc_codes 与每个 visit_id 一起收集到一行中。

这看起来像是一个group_by 然后是一个pivot 但我已经尝试了很多次但都失败了。我还尝试使用 pandas 的 merge() 自行加入 la SQL，但这也不起作用。

最后的结果是我将atc_1, atc_7, ... atc_100 粘贴在一起形成一个长长的atc_code。这个复合 atc_code 将是我试图预测的数据集的“Y”或“标签”列。

谢谢!

Answer 1

使用cumcount首先是按函数创建列的每组计数值 pivot .然后使用 reindex_axis 添加缺失的列并通过 add_prefix 更改列名.最后 reset_index :

g = df.groupby('visit_id').cumcount() + 1
print (g)
0    1
1    2
2    3
3    4
4    5
5    1
6    2
7    3
8    4
dtype: int64

df = pd.pivot(index=df['visit_id'], columns=g, values=df['atc_code'])
       .reindex_axis(range(1, 8), 1)
       .add_prefix('atc_')
       .reset_index()

print (df)
   visit_id  atc_1    atc_2     atc_3    atc_4 atc_5  atc_6  atc_7
0  48944282  A02AG  J01CA04  J095AX02  N02BE01  R05X    NaN    NaN
1  48944305  A02AG  A03AX13   N02BE01     R05X  None    NaN    NaN