Python将唯一的列值解压到自己的列中

Question

df = pd.DataFrame({'Col1': ['label1', 'label1', 'label2', 'label2',
          'label3', 'label3', 'label4'],
 'Col2': ['a', 'd', 'b', 'e', 'c', 'f', 'q']}, columns=['Col1', 'Col2'])

看起来像这样

     Col1 Col2
0  label1    a
1  label1    d
2  label2    b
3  label2    e
4  label3    c
5  label3    f
6  label4    q

对于 Col1 中的唯一值，我想将列的唯一值转换为列。从某种意义上说，我试图“取消堆叠”Col1值作为列标题，行值将是Col2中的值。我的主要问题是我没有计算任何数字数据 - 它都是文本 - 我只是试图重塑结构。

这是我们想要的结果:

  label1 label2 label3 label4
0      a      b      c      q
1      d      e      f    NaN

我试过：堆栈，卸载，pd.melt，pivot_table，枢轴。

这几乎让我到达那里，但不完全是，而且似乎不是很简洁：

df.groupby('Col1').apply(lambda x: x['Col2'].values).to_frame().T

Col1  label1  label2  label3 label4
0     [a, d]  [b, e]  [c, f]    [q]

这个问题展示了如何用数据透视表来做这件事..但是我并不关心数字索引。

这个问题展示了如何用数据透视表来做这件事..使用aggfunc first或< code > ' '。join，但它返回CSV而不是各行上的值。

Answer 1

使用< code>set_index和< code>unstack，您可以

In [17]: df.set_index([df.groupby('Col1')['Col1'].cumcount(), 'Col1'])['Col2'].unstack()
Out[17]:
Col1 label1 label2 label3 label4
0         a      b      c      q
1         d      e      f   None

细节

In [18]: df
Out[18]:
     Col1 Col2
0  label1    a
1  label1    d
2  label2    b
3  label2    e
4  label3    c
5  label3    f
6  label4    q

Answer 2

您可以使用Cumcount为新index创建列，然后pivot_table聚合加入：

df['g'] = df.groupby('Col1')['Col1'].cumcount()

print (df.pivot_table(index='g', columns='Col1', values='Col2', aggfunc=''.join))
Col1 label1 label2 label3 label4
g                               
0         a      b      c      q
1         d      e      f   None

感谢您的评论Jeff L.：

df['g'] = df.groupby('Col1')['Col1'].cumcount()

print (df.pivot(index='g', columns='Col1', values='Col2'))
Col1 label1 label2 label3 label4
g                               
0         a      b      c      q
1         d      e      f   None

艺术

print (pd.pivot(index=df.groupby('Col1')['Col1'].cumcount(),
                columns=df['Col1'], 
                values=df['Col2']))

Col1 label1 label2 label3 label4
0         a      b      c      q
1         d      e      f   None