如何根据列的唯一值将其他列的行转换为列？答案

【问题标题】：How to transform rows of other columns to columns on the basis of unique values of a column?如何根据列的唯一值将其他列的行转换为列？
【发布时间】：2021-06-07 05:40:18
【问题描述】：

假设我在以下结构中有一个 df，

column1 | column2 | column3 | column4 | column5 | column6 | column7
   A    |    B    |    C    |    10   |    78   |   12    |  202001
   A    |    B    |    D    |    21   |    64   |   87    |  202001
   A    |    B    |    E    |    21   |    64   |   87    |  202001
   X    |    K    |    C    |    54   |    23   |   23    |  202001
   X    |    K    |    D    |    21   |    55   |   87    |  202001
   X    |    K    |    E    |    21   |    43   |   22    |  202001
   A    |    B    |    C    |    10   |    78   |   12    |  202002
   A    |    B    |    D    |    23   |    64   |   87    |  202002
   A    |    B    |    E    |    21   |    11   |   34    |  202002
   Z    |    K    |    C    |    10   |    78   |   12    |  202002
   Z    |    K    |    D    |    21   |    13   |   56    |  202002
   Z    |    K    |    E    |    12   |    77   |   34    |  202002

column1 和 column2 之间的关系 - 一对多

column2 与 column1 之间的关系 - 一对多

预期输出：

column1 | column2 | column3 | column4_202001 | column5_202001 | column6_202001 | column4_202002 | column5_202002 | column6_202002 |
   A    |    B    |    C    |      10        |       78       |       12       |      10        |      78        |      12        |
   A    |    B    |    D    |      21        |       64       |       87       |      23        |      64        |      87        |
   A    |    B    |    E    |      21        |       64       |       87       |      21        |      11        |      34        |   
   X    |    K    |    C    |      54        |       23       |       23       |       0        |       0        |       0        |   
   X    |    K    |    D    |      21        |       55       |       87       |       0        |       0        |       0        |   
   X    |    K    |    E    |      21        |       43       |       22       |       0        |       0        |       0        |    
   Z    |    K    |    C    |       0        |        0       |        0       |      10        |      78        |      12        |    
   Z    |    K    |    D    |       0        |        0       |        0       |      21        |      13        |      56        |   
   Z    |    K    |    E    |       0        |        0       |        0       |      12        |      77        |      34        |

另外，在转换时，我可以在 column6_yyyymm 旁边为每个 column7 创建一个空列吗？

最终输出，

column1 | column2 | column3 | column4_202001 | column5_202001 | column6_202001 |   empty_202001 | column4_202002 | column5_202002 | column6_202002 | empty_202002 ....
   A    |    B    |    C    |      10        |       78       |       12       |                |      10        |      78        |      12        |
   A    |    B    |    D    |      21        |       64       |       87       |                |      23        |      64        |      87        |
   A    |    B    |    E    |      21        |       64       |       87       |                |      21        |      11        |      34        |   
   X    |    K    |    C    |      54        |       23       |       23       |                |      0         |       0        |       0        |   
   X    |    K    |    D    |      21        |       55       |       87       |                |      0         |       0        |       0        |   
   X    |    K    |    E    |      21        |       43       |       22       |                |      0         |       0        |       0        |    
   Z    |    K    |    C    |       0        |        0       |        0       |                |      10        |      78        |      12        |    
   Z    |    K    |    D    |       0        |        0       |        0       |                |      21        |      13        |      56        |   
   Z    |    K    |    E    |       0        |        0       |        0       |                |      12        |      77        |      34        |

如何使用 python 函数和/或 pandas 库实现最终输出？如果有什么不清楚的地方请告诉我。

更新：

对于所有 empty_yyyymm 列我想实现以下功能，

        def get_final(row):
        if row['column2'].isin(['H', 'S', 'Z']):
            return 0
        elif row['column4_yyyymm'] + row['column5_yyyymm'] - row['column6_yyyymm'] < 0 and not row['column2'].isin(['H', 'S', 'Z']):
            return 0
        else:
            return row['column4_yyyymm'] + row['column5_yyyymm'] - row['column6_yyyymm']

如何也能做到这一点？

注意：yyyymm 是引用 column7 的通用方式。它实际上不是一个列。

【问题讨论】：

标签： python pandas dataframe data-manipulation

【解决方案1】：

首先通过DataFrame.assign 创建空列，然后通过DataFrame.set_index 使用DataFrame.unstack 重塑，并通过DataFrame.sort_index 在第二级排序日期时间：

df = (df.assign(empty = np.nan)
        .set_index(['column1','column2','column3','column7'])
        .unstack(fill_value=0)
        .sort_index(level=1, axis=1))

然后设置所有empty 列的缺失值，将MultiIndex in columns 扁平化map，最后将index 转换为DataFrame.reset_index 的列：

df['empty'] = np.nan
#if need fill by empty string
#df['empty'] = ''
df.columns = df.columns.map(lambda x: f'{x[0]}_{x[1]}')
df = df.reset_index()
print (df)
  column1 column2 column3  column4_202001  column5_202001  column6_202001  \
0       A       B       C              10              78              12   
1       A       B       D              21              64              87   
2       A       B       E              21              64              87   
3       X       K       C              54              23              23   
4       X       K       D              21              55              87   
5       X       K       E              21              43              22   
6       Z       K       C               0               0               0   
7       Z       K       D               0               0               0   
8       Z       K       E               0               0               0   

   empty_202001  column4_202002  column5_202002  column6_202002  empty_202002  
0           NaN              10              78              12           NaN  
1           NaN              23              64              87           NaN  
2           NaN              21              11              34           NaN  
3           NaN               0               0               0           NaN  
4           NaN               0               0               0           NaN  
5           NaN               0               0               0           NaN  
6           NaN              10              78              12           NaN  
7           NaN              21              13              56           NaN  
8           NaN              12              77              34           NaN

编辑：首先按条件计算新列empty，然后在不设置NaN 的情况下应用上面的解决方案：

m1 = df['column2'].isin(['H', 'S', 'Z'])

s = df['column4'] + df['column5'] - df['column6']
m2 = (s < 0) & ~m1

out = np.where(m1 | m2, 0, s)
df = (df.assign(empty = out)
        .set_index(['column1','column2','column3','column7'])
        .unstack(fill_value=0)
        .sort_index(level=1, axis=1))

df.columns = df.columns.map(lambda x: f'{x[0]}_{x[1]}')
df = df.reset_index()

print (df)
  column1 column2 column3  column4_202001  column5_202001  column6_202001  \
0       A       B       C              10              78              12   
1       A       B       D              21              64              87   
2       A       B       E              21              64              87   
3       X       K       C              54              23              23   
4       X       K       D              21              55              87   
5       X       K       E              21              43              22   
6       Z       K       C               0               0               0   
7       Z       K       D               0               0               0   
8       Z       K       E               0               0               0   

   empty_202001  column4_202002  column5_202002  column6_202002  empty_202002  
0            76              10              78              12            76  
1             0              23              64              87             0  
2             0              21              11              34             0  
3            54               0               0               0             0  
4             0               0               0               0             0  
5            42               0               0               0             0  
6             0              10              78              12            76  
7             0              21              13              56             0  
8             0              12              77              34            55

【讨论】：

感谢您的回答！我为这个问题添加了一个小的更新。您认为对给定的 empty_yyyymm 列使用该函数的最佳方法是什么？每个 empty_yyyymm 列将引用其各自的 column4_yyyymm、column5_yyyymm、column6_yyyymm。如果有任何不清楚的地方，请告诉我。
@royalewithcheese - 我明白了，我需要一些时间。但可能是第一眼
当然，没问题:)
@royalewithcheese - 功能应该改变吗？例如测试str(row['column2']) in ['H', 'S', 'Z'] 使用df['column2'].isin(['H', 'S', 'Z']) ?
当然，只要它检查 column2 是否具有其中一个值..

【解决方案2】：

尝试：

df1 = (df.set_index(['column1', 'column2', 'column3', 'column7'])
   .rename_axis(['idx'], axis=1)
   .unstack('column7')
   .reset_index().fillna(0))
df1.columns = df1.columns.map(lambda x: '_'.join([str(i) for i in x]) if (x[1])!='' else x[0])

	column1	column2	column3	column4_202001	column4_202002	column5_202001	column5_202002	column6_202001	column6_202002
0	A	B	C	10.0	10.0	78.0	78.0	12.0	12.0
1	A	B	D	21.0	23.0	64.0	64.0	87.0	87.0
2	A	B	E	21.0	21.0	64.0	11.0	87.0	34.0
3	X	K	C	54.0	0.0	23.0	0.0	23.0	0.0
4	X	K	D	21.0	0.0	55.0	0.0	87.0	0.0
5	X	K	E	21.0	0.0	43.0	0.0	22.0	0.0
6	Z	K	C	0.0	10.0	0.0	78.0	0.0	12.0
7	Z	K	D	0.0	21.0	0.0	13.0	0.0	56.0
8	Z	K	E	0.0	12.0	0.0	77.0	0.0	34.0

【讨论】：

我没有投反对票，但可能是因为您忘记添加空列，因为它是问题的标准之一。我已经更新了我的问题，请看一下。