Pandas 从中列中的类别创建列

我有一个数据框，我想在其中根据该列的数据级别创建列。比如说,

Cust_ID  MCC  Date TRANS_AMT Frequency
1       1750  Jan    6633        1
1       1799  Jan    5584        1
2       3001  Mar    405         2
2       3174  Oct    1219        1

我想根据列MCC和日期中的数据级别创建列。对于每个客户ID，我希望他们在每个MCC和日期级别进行的交易金额和频率合并

以下是所需的输出：

---

因为最终数据帧中列的顺序应该很重要，所以将列

日期

转换为，然后创建

多索引

，列

交易金额

和

频率

也转换为顺序

然后在列中按第二级的

多索引

重新整形并排序

最后使用

f-string

s展平列表理解中的值，对于索引中的列：

cats = ['Jan', 'Feb', 'Mar', 'Apr','May', 'Jun', 
        'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']

df['Date'] = pd.Categorical(df['Date'], categories=cats, ordered=True)
df1 = df.set_index(['Cust_ID','MCC','Date'])
df1.columns = pd.CategoricalIndex(df1.columns, 
                                  categories=['TRANS_AMT','Frequency'], 
                                  ordered=True)

df1 = df1.unstack(level=[1,2], fill_value=0).sort_index(axis=1, level=1)

df1.columns = [f'{a}_{b}_{c}' for a, b, c in df1.columns]
df1 = df1.reset_index()
print (df1)
   Cust_ID  TRANS_AMT_1750_Jan  Frequency_1750_Jan  TRANS_AMT_1799_Jan  \
0        1                6633                   1                5584   
1        2                   0                   0                   0   

   Frequency_1799_Jan  TRANS_AMT_3001_Mar  Frequency_3001_Mar  \
0                   1                   0                   0   
1                   0                 405                   2   

   TRANS_AMT_3174_Oct  Frequency_3174_Oct  
0                   0                   0  
1                1219                   1  

如果不重要，请删除转换为类别：

df1 = (df.set_index(['Cust_ID','MCC','Date'])
         .unstack(level=[1,2], fill_value=0)
         .sort_index(axis=1, level=1))
df1.columns = [f'{a}_{b}_{c}' for a, b, c in df1.columns]
df1 = df1.reset_index()
print (df1)
   Cust_ID  Frequency_1750_Jan  TRANS_AMT_1750_Jan  Frequency_1799_Jan  \
0        1                   1                6633                   1   
1        2                   0                   0                   0   

   TRANS_AMT_1799_Jan  Frequency_3001_Mar  TRANS_AMT_3001_Mar  \
0                5584                   0                   0   
1                   0                   2                 405   

   Frequency_3174_Oct  TRANS_AMT_3174_Oct  
0                   0                   0  
1                   1                1219  

---

因为最终数据帧中列的顺序应该很重要，所以将列

date

转换为，然后创建

multi-index

by，并将列

TRANS\u AMT

和

Frequency

转换为ordered

然后在列中按第二级的

多索引

重新整形并排序

最后使用

f-string

s展平列表理解中的值，对于索引中的列：

cats = ['Jan', 'Feb', 'Mar', 'Apr','May', 'Jun', 
        'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']

df['Date'] = pd.Categorical(df['Date'], categories=cats, ordered=True)
df1 = df.set_index(['Cust_ID','MCC','Date'])
df1.columns = pd.CategoricalIndex(df1.columns, 
                                  categories=['TRANS_AMT','Frequency'], 
                                  ordered=True)

df1 = df1.unstack(level=[1,2], fill_value=0).sort_index(axis=1, level=1)

df1.columns = [f'{a}_{b}_{c}' for a, b, c in df1.columns]
df1 = df1.reset_index()
print (df1)
   Cust_ID  TRANS_AMT_1750_Jan  Frequency_1750_Jan  TRANS_AMT_1799_Jan  \
0        1                6633                   1                5584   
1        2                   0                   0                   0   

   Frequency_1799_Jan  TRANS_AMT_3001_Mar  Frequency_3001_Mar  \
0                   1                   0                   0   
1                   0                 405                   2   

   TRANS_AMT_3174_Oct  Frequency_3174_Oct  
0                   0                   0  
1                1219                   1  

如果不重要，请删除转换为类别：

df1 = (df.set_index(['Cust_ID','MCC','Date'])
         .unstack(level=[1,2], fill_value=0)
         .sort_index(axis=1, level=1))
df1.columns = [f'{a}_{b}_{c}' for a, b, c in df1.columns]
df1 = df1.reset_index()
print (df1)
   Cust_ID  Frequency_1750_Jan  TRANS_AMT_1750_Jan  Frequency_1799_Jan  \
0        1                   1                6633                   1   
1        2                   0                   0                   0   

   TRANS_AMT_1799_Jan  Frequency_3001_Mar  TRANS_AMT_3001_Mar  \
0                5584                   0                   0   
1                   0                   2                 405   

   Frequency_3174_Oct  TRANS_AMT_3174_Oct  
0                   0                   0  
1                   1                1219