Groupby转置并附加到Pandas中？ [英] Groupby, transpose and append in Pandas?

问题描述

我有一个如下所示的数据框：

每个用户有10条记录。现在，我想创建一个如下所示的数据框：

  userid name1 name2 ... name10 
 
 code> 

这意味着我需要反转列 name 的每10条记录和追加到一个新的数据框。

那么，它是如何做到的？有什么办法可以在Pandas里做到吗？

code>然后 reset_index 在每个组内一致枚举。然后 unstack 来获得列。

  df.groupby（'userid' ）['name']。apply（lambda df：df.reset_index（drop = True））。unstack（）
  

演示

  df = pd.DataFrame（[
 [123，'abc']，
 [123，'abc']，
 [456，'def']，
 [123，'abc']，
 [123，'abc']，
 [456，'def']，
 [456，'def']，
 [456，'def']，
]，columns = ['userid'，'name']） 
 
 df.sort_values（'userid'）。groupby（'userid'）['name']。apply（lambda df：df.reset_index（drop = True））。unstack（）
  

<如果您不希望 userid 作为索引，请在结尾处添加 reset_index 。

  df.sort_values（'userid'）。groupby（'userid'）['name']。apply（lambda df：df.reset_index（drop = True））。unstack（）。reset_index （）
  

I have a dataframe which looks like this:

Each user has 10 records. Now, I want to create a dataframe which looks like this:

userid  name1  name2  ... name10

which means I need to invert every 10 records of the column name and append to a new dataframe.

So, how do it do it? Is there any way I can do it in Pandas?

解决方案

groupby('userid') then reset_index within each group to enumerate consistently across groups. Then unstack to get columns.

df.groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack()

Demonstration

df = pd.DataFrame([
        [123, 'abc'],
        [123, 'abc'],
        [456, 'def'],
        [123, 'abc'],
        [123, 'abc'],
        [456, 'def'],
        [456, 'def'],
        [456, 'def'],
    ], columns=['userid', 'name'])

df.sort_values('userid').groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack()

if you don't want the userid as the index, add reset_index to the end.

df.sort_values('userid').groupby('userid')['name'].apply(lambda df: df.reset_index(drop=True)).unstack().reset_index()

这篇关于Groupby转置并附加到Pandas中？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！