基于一列“分组”行，然后为现有其他列值的可能组合创建新列

Question

我有一个如下形式的数据框：

date	I1	I2	F1	F2
1	1	A	v1	v9
1	1	B	v2	v10
1	10	A	v3	v11
1	10	B	v4	v12
2	1	A	v5	v13
2	1	B	v6	v14
2	10	A	v7	v15
2	10	B	v8	v16

我想根据来自“I1”和“I2”的值的可能组合创建新列，并将相应的值全部放在一行中（对于同一日期）。生成的数据框应如下所示（按列的顺序排列，这无关紧要，我只是出于可视化目的选择了一个）：

date	F1-1-A	F1-1-B	F1-10-A	F1-10-B	F2-1-A	F2-1-B	F2-10-A	F2-10-B
1	v1	v2	v3	v4	v9	v10	v11	v12
2	v5	v6	v7	v8	v13	v14	v15	v16

在 pandas 中实现这一目标的最简洁和通用的方法是什么？

Answer 1

您正在寻找一个支点。完成此操作后，您将需要加入多索引列名称以将其展平。

df = df.pivot(index='date',columns=['I1','I2'], values=['F1','F2'])
df.columns = ['-'.join(map(str,x)) for x in df.columns]
df.reset_index(inplace=True)

输出

   date F1-1-A F1-1-B F1-10-A F1-10-B F2-1-A F2-1-B F2-10-A F2-10-B
0     1     v1     v2      v3      v4     v9    v10     v11     v12
1     2     v5     v6      v7      v8    v13    v14     v15     v16

Answer 2

@Chris' solution 效果很好；使用pyjanitor 中的pivot_wider 可以进行一些抽象，以展平列（或根据需要进行一些其他操作）：

#pip install git+https://github.com/pyjanitor-devs/pyjanitor.git
import pandas as pd
import janitor
df.pivot_wider(index='date', names_from=['I1', 'I2'], names_sep='-')

   date F1-1-A F1-1-B F1-10-A F1-10-B F2-1-A F2-1-B F2-10-A F2-10-B
0     1     v1     v2      v3      v4     v9    v10     v11     v12
1     2     v5     v6      v7      v8    v13    v14     v15     v16

请注意，仅当索引和列的组合是唯一的时，pivot 才有效；如果不是，更好的选择是pivot_table。