如何简化pivot在pandas中的使用？

我有一个数据框，如下所示：

Age Sex Score
18  M   25
20  F   30
19  M   22
18  M   30
20  F   27
18  M   28

我想得到以下信息：

Age Sex Score0 Score1 Score2
18  M   25     30     28
20  F   30     27     -1
19  M   22     -1     -1

我的步骤是：

def func(x):
    x['score'] = ['Score' + str(i) for i in range(len(x))]
    return x

df['key'] = df['Sex']  + df['Age'].astype(str)
dg = df.groupby(['Age', 'Sex']).apply(func)
dh =dg.pivot(index='key', columns = 'score', values = 'Score').reset_index().fillna(-1)

score  key  Score0  Score1  Score2
0      F20    30.0    27.0    -1.0
1      M18    25.0    30.0    28.0
2      M19    22.0    -1.0    -1.0

有没有更简单的方法

谢谢。

您可以在两列上使用pivot_表并分配：

输出：

col  Age Sex  Score1  Score2  Score3
0     18   M      25      30      28
1     19   M      22      -1      -1
2     20   F      30      27      -1

您可以在两列上使用pivot_表并指定：

输出：

col  Age Sex  Score1  Score2  Score3
0     18   M      25      30      28
1     19   M      22      -1      -1
2     20   F      30      27      -1

您可以使用set_index和unstack来完成此操作

您可以使用set_index和unstack来完成此操作

运行：

运行：

---

写的答案几乎完全相同，除了我在分配中添加了前缀，这可能会导致更多的开销谢谢你，广宏。写的答案几乎完全相同，除了我在分配中添加了前缀，这可能会导致更多的开销谢谢你，广宏。谢谢你，瓦尔迪欧博。谢谢你，瓦尔迪欧博。

df.set_index([(df['Sex']+df['Age'].astype(str)).rename('key'), 
              'Score'+df.groupby(['Sex','Age']).cumcount().astype(str)])['Score']\
  .unstack(fill_value=-1).reset_index()
   key  Score0  Score1  Score2
0  F20      30      27      -1
1  M18      25      30      28
2  M19      22      -1      -1

df.groupby(['Age', 'Sex']).Score.apply(
    lambda grp: grp.reset_index(drop=True))\
    .unstack().fillna(-1, downcast='infer').add_prefix('Score')