根据 Pandas 中的现有列和值创建新列答案

【问题标题】：Create new columns based on existing columns and values in Pandas根据 Pandas 中的现有列和值创建新列
【发布时间】：2018-10-07 11:45:22
【问题描述】：

(1) 考虑如下DataFrame：

    d   e     val
-----------------
1   0   40    125
2  10   35    150
3  11   30    110
4  15   65    115

有没有办法到达下一行：

     val_0    val_10    val_11    val_15    e_0    e_10    e_11    e_15
-----------------------------------------------------------------------
1      125      150        110       115     40      35      30      65

这很容易通过手动迭代行来完成，但理想情况下我会寻找矢量化解决方案。基本上，我认为我所追求的是一种基于某些列名 + 列值创建/分配行的方法。

(2) 下一步是实际输出每个值一行，给定一组列。以上面的例子为基础，如下：

    d   e     val   gp
----------------------
1   0   40    125    3
2  10   35    150    3
3  11   30    110    3
4  15   65    115    3
1   0   70    225    4
2  10   85    250    4
3  11   90    210    4
4  15   95    215    4

会输出：

gp   val_0   val_10   val_11   val_15   e_0    e_10    e_11    e_15
-------------------------------------------------------------------
 3     125      150      110      115    40      35      30      65
 4     225      250      210      215    70      85      90      95

同样，在解决了 (1) 后执行 (2) 可以通过简单的 groupby('gp').apply(some_fun) 完成，但如果 Pandas 中存在内置方法来执行此操作，那么在性能方面将是一个巨大的好处。

【问题讨论】：

标签： python pandas dataframe pivot-table pandas-groupby

【解决方案1】：

您可以使用一些数据框重塑和列标题展平：

df_out = df.set_index('d').unstack().to_frame().T
df_out.columns = df_out.columns.map('{0[0]}_{0[1]}'.format)

输出：

   e_0  e_10  e_11  e_15  val_0  val_10  val_11  val_15
0   40    35    30    65    125     150     110     115

编辑以处理多行

df_out = df.set_index(['gp','d']).unstack()
df_out.columns = df_out.columns.map('{0[0]}_{0[1]}'.format)

输出：

    e_0  e_10  e_11  e_15  val_0  val_10  val_11  val_15
gp                                                      
3    40    35    30    65    125     150     110     115
4    70    85    90    95    225     250     210     215

df_out = df_out.reset_index()

   gp  e_0  e_10  e_11  e_15  val_0  val_10  val_11  val_15
0   3   40    35    30    65    125     150     110     115
1   4   70    85    90    95    225     250     210     215

【讨论】：

【解决方案2】：

这是原始问题的一种解决方案。

val = pd.Series(df['val'].values, index='val_'+df['d'].apply(str))
e = pd.Series(df['e'].values, index='e_'+df['e'].apply(str))

res = pd.concat([val, e]).to_frame().T

print(res)

   val_0  val_10  val_11  val_15  e_40  e_35  e_30  e_65
0    125     150     110     115    40    35    30    65

【讨论】：

这绝对是有趣的。