在python中将数据从长格式移动到宽格式

Question

我正在尝试创建一个函数来遍历数据框中的每一行以查找匹配项，然后将这些匹配项附加到同一行中，将数据从长格式更改为宽格式。 df.pivot 没有成功，这是我的直觉，所以我需要尝试其他方法。

for x in df.itertuples():
    for y in df.itertuples():
        if x.MDS==y.MDS:

这是我用于识别所有匹配项的嵌套 for 循环

pd.Dataframe=({'MDS': {106: 2, 107: 10, 108: 100, 109: 500, 110: 2}, 'LSR': {106: '3-4', 107: '3-4', 108: '3-4', 109: '3-4', 110: '3-6'}, 'Small State Wins': {106: 4150, 107: 5210, 108: 5405, 109: 5625, 110: 3893}})

这是我的示例数据框，或者只是它的快照。我想在 MDS 列中找到匹配项，当有匹配项时，将该观察结果放入与原始匹配项对应的新列中。

 MDS    LSR    Small State Wins    Match1MDS    Match1LSR    Match1Small State Wins
   2    3-4    4150                2            3-6          4150
  10    3-4    5210                NaN          NaN          NaN
 100    3-4    5405                NaN          NaN          NaN
 500    3-4    5625                NaN          NaN          NaN
   2    3-6    3893                2            3-4          3893

像这样的一些数据框是我想要的结果。我宁愿忽略 a-to-a 匹配，因为我不希望第 0 行与第 0 行匹配并记录在新列中。如果没有找到匹配项，我希望有一个空白或没有观察结果另外，如果在 MDS 列下有 3 个观察结果匹配，我也希望将它们以宽格式附加在 match2 名称下，等等对所有匹配 n。运行时不是问题，因为数据集相对较小，不到 10,000，因此我可以使用嵌套循环，但我真的被困在移动数据上。

谢谢！

Answer 1

我认为这可以满足您的需求。

df['group_count'] = df.groupby(
    'MDS',
    group_keys=False,
)['MDS'].expanding().count().reset_index(
    level=0,
    drop=True,
)

df = df.set_index(['MDS', 'group_count']).unstack()
df.columns = df.columns.swaplevel(0, 1)
df = df.sort_index(axis=1)