应用规则在 Python 中转置数据框

Question

我有一个如下所示的数据框：

df = pd.DataFrame({'person_id' :[1,1,1,2,2,2,2,2,2],'level_1': ['L1FR','L1Date','L1value','L1FR','L1Date','L1value','L2FR','L2Date','L2value'], 'val3':['Fasting','11/4/2005',1.33,'Random','18/1/2007',4.63,'Fasting','18/1/2017',8.63]})

但我希望我的输出数据框如下所示：

请注意，concept_id = 123 表示“禁食”，456 表示“随机”。我在另一个 csv 文件中有此信息（密钥）。如何链接所有这些？

但是，我设法走到了这里：

d1 = s1[s1['level_1'].str.contains('Date')]
d2 = s1[~s1['level_1'].str.contains('Date')]


d1['g'] = d1.groupby('person_id').cumcount()
d2['g'] = d2.groupby('person_id').cumcount()

d3 = pd.merge(d1,d2,on=["person_id",'g'],how='left').drop(['g','level_1_x','level_1_y'], axis=1)

请注意，我展示的是单个 csv 数据文件和包含 concept_ids 的单个哈希/密钥文件。实时，我有 30 多个 csv 文件和 1 个哈希/密钥文件。

所以哈希文件保持不变，但数据文件经常变化。

例如，这个文件有两个概念 "Fasting" 和 "Random" ，可以通过查看哈希文件将其替换为 123,456。同样，其他数据文件可能包含“Sick”、“Healthy”等术语，应替换为 135,579 等。

但数据格式保持不变。你能帮我实现吗？

** 更新输出截图**

** cum count 分组不匹配 **

我希望根据值的出现次数，每个组的所有这些值都应该具有相同的数字（例如：1,1,1 或 10,10,10）。我对吗？但不知道为什么它不同。此外，我的输入数据框没有 NA

Answer 1

您正在这里寻找支点。不过，您需要做一些额外的工作来指定旋转数据框的列和索引。这是一种方法：

g = df.level_1.str[2:]
ix = g.groupby(g).cumcount()
out = (df.pivot_table(values = 'val3', 
               columns= g, 
               index = g.groupby(g).cumcount(), 
               aggfunc='first'))

out['person_id'] = df.loc[ix.groupby(ix).idxmax(), 'person_id'].values

print(out)

level_1       Date       FR value  person_id
0        11/4/2005  Fasting  1.33          1
1        18/1/2007   Random  4.63          2
2        18/1/2017  Fasting  8.63          2

---

对于ConceptID 列，您只需为map 相应的值创建一个字典