基于Groupby Max将多行透视到列中

Question

我对Python和熊猫相当陌生，有一个问题我不太确定如何解决。我有一个熊猫DataFrame，其中包含在同一年为多支球队效力的曲棍球运动员：

Player         Season      Team      GP        G      A       TP      
Player A        2020        A        10        8      3       11
Player A        2020        B        25        10     5       15
Player A        2020        C        6         4      7       11
Player B        2020        A        30        20     6       26
Player B        2020        B        25        18     5       23

我希望能够合并包含同一年的同一名球员的行，并按球员为其效力最多的球队排列列。在上面的例子中，B队的所有数字都是第一位的，因为球员A为B队打了最多的比赛，其次是A队，然后是C队。如果一名球员没有为多个队打过球或少于三个队打过球，我希望在给定的列中填写NA。

例如上面的df会变成（Team1代表最高团队）：

Player        Season      Team1      GP1    G1      A1     TP1     Team2      GP2        G2      A2       TP2    Team3    GP3   G3   A3  TP3
Player A      2020          B        25     10      5      15       A         10         8       3        11       C       6     4   7    11
Player B      2020          A        30     20      6      26       B         25         18      5        23       NA     NA     NA  NA   NA

我能想到的解决这个问题的最初方法是使用一系列groupby max，但我不确定这是否会达到预期的效果。任何帮助都将不胜感激！

Answer 1

您可以排序，然后旋转：

a=(df.sort_values('GP')
   .assign(col=df.groupby(['Player','Season']).cumcount()+1)
   .pivot_table(index=['Player','Season'], columns='col', aggfunc='first')
)

# rename:
a.columns = [f'{x}{y}' for x,y in a.columns]