Python - 将数据转移到不同的行

Question

如果ID 和CODE 匹配，我对数据框有点陌生，并且一直在尝试找到将特定列中的数据转移到另一行的解决方案。

    df = pd.DataFrame({'ID': ['123', '123', '123', '154', '167', '167'], 
                   'NAME': ['Adam', 'Adam', 'Adam', 'Bob', 'Charlie', 'Charlie'],
                   'CODE': ['1001', '1001', '1011', '1002', 'A0101', 'A0101'],
                   'TAG1': ['A123', 'B123', 'K123', 'D123', 'E123', 'G123'],
                   'TAG2': [ np.NaN, 'C123', 'L123', np.NaN, 'F123', 'H123'],
                   'TAG3': [ np.NaN, 'M123', np.NaN, np.NaN, np.NaN, np.NaN]})

    ID    NAME      CODE    TAG1    TAG2    TAG3
0   123   Adam      1001    A123    NaN     NaN
1   123   Adam      1001    B123    C123    M123
2   123   Adam      1011    K123    L123    NaN
3   154   Bob       1002    D123    NaN     NaN
4   167   Charlie   A0101   E123    F123    NaN
5   167   Charlie   A0101   G123    H123    NaN

所以上面我添加了描述初始数据帧的代码，现在我们可以看到ID='123' 有两行代码相同，'TAG' 列中的值不同，我想移动 @987654330 @第二行的数据到'TAG1'之后的第一行或'TAG1'中的数据，如果为空，则完全删除第二行。 ID='167' 应该是一样的。

下面是另一个代码，其中包含我手动添加的示例数据框，它描述了最终结果，任何建议都会很棒。我尝试了一件事，它完全没有按照我想要的方式工作。

    df_result = pd.DataFrame({'ID': ['123', '123', '154', '167'], 
                   'NAME': ['Adam', 'Adam', 'Bob', 'Charlie',],
                   'CODE': ['1001', '1011', '1002', 'A0101'],
                   'TAG1': ['A123', 'K123', 'D123', 'E123'],
                   'TAG2': ['B123', 'L123', np.NaN, 'F123'],
                   'TAG3': ['C123', np.NaN, np.NaN, 'G123'],
                   'TAG4': ['M123', np.NaN, np.NaN, 'H123']})

     ID     NAME    CODE    TAG1    TAG2    TAG3    TAG4
0    123    Adam    1001    A123    B123    C123    M123
1    123    Adam    1011    K123    L123    NaN     NaN
2    154    Bob     1002    D123    NaN     NaN     NaN
3    167    Charlie A0101   E123    F123    G123    H123

我尝试过的代码如下以获得结果。但它并没有得到我想要的输出

df2=pd.pivot_table(test_shift, index=['ID', 'NAME', 'CODE'], 
columns=test_shift.groupby(['ID', 'CODE']).cumcount().add(1),
values=['TAG1'], aggfunc='sum')

Output Image

注意：对于第一次发布的错误表示抱歉，我尝试将数据框添加为代码以在视觉上为您提供帮助。但我'FAILED'。在接下来的几天里，我会努力学习这一点，并成为'Stack Overflow 的更好成员。

感谢您的帮助。

Answer 1

这里是单向：

def f(x):
    x = x.stack().to_frame(name='val')
    x = x.assign(tags='Tag'+x["val"].notna().cumsum().astype(str))
    x = (x.reset_index(level=3, drop=True)
          .set_index('tags', append=True)['val'].unstack())
    return x

df_out = (df.set_index(['ID', 'NAME','CODE'])
           .groupby(level=[0,1,2], as_index=False).apply(f)
           .reset_index().drop('level_0', axis=1))

print(df_out)

输出：

    ID     NAME   CODE  Tag1  Tag2  Tag3  Tag4
0  123     Adam   1001  A123  B123  C123  M123
1  123     Adam   1011  K123  L123   NaN   NaN
2  154      Bob   1002  D123   NaN   NaN   NaN
3  167  Charlie  A0101  E123  F123  G123  H123

Answer 2

一种使用pd.wide_to_long 的方法将TAGS 展平，然后根据ID 和CODE 组映射索引，然后从ID、NAME 取消堆叠并加入重复数据行和CODE

u = pd.wide_to_long(df.filter(like='TAG').reset_index(),'TAG','index','j').dropna()

idx = u.index.get_level_values(0).map(df.groupby(['ID','CODE']).ngroup()) 

u = u.set_index(pd.MultiIndex.from_arrays((idx,u.groupby(idx).cumcount()+1))).unstack()
u.columns = u.columns.map('{0[0]}{0[1]}'.format)

out = df[['ID','NAME','CODE']].drop_duplicates().reset_index(drop=True).join(u)

---

print(out)

    ID     NAME   CODE  TAG1  TAG2  TAG3  TAG4
0  123     Adam   1001  A123  B123  C123  M123
1  123     Adam   1011  K123  L123   NaN   NaN
2  154      Bob   1002  D123   NaN   NaN   NaN
3  167  Charlie  A0101  E123  F123  G123  H123