python3:pandas按几列分组，并将行值转换为多列

我有如下数据框：

id   date          t_s     t_p    t_prob
1    '2020-01-01'   1       1      0.5
1    '2020-01-01'   2       1      0.55
1    '2020-01-01'   3       1      0.56
1    '2020-01-01'   4       0      0.4
1    '2020-01-01'   5       1      0.6
1    '2020-01-01'   6       1      0.7
2    '2020-01-01'   1       1      0.77
2    '2020-01-01'   2       0      0.3
2    '2020-01-01'   3       0      0.2 
2    '2020-01-01'   4       0      0.33
2    '2020-01-01'   5       1      0.66
2    '2020-01-01'   6       1      0.56
....
 

例如，每个id都有相同的日期（2020-01-01-2020-01-09）。每个id对于每个日期有6个t_（1,2,3,4,5,6），t_p是每个t_的标签，t_prob是每个t_的标签值。我想将同一日期内每个t_的t_prob值转换为t_s_1、t_s_2、t_s_3、t_s_4、t_s_5、t_s_6等列。最后得到t_prob的最大值和t_s值。与'2020-01-01'中的id 1一样，t_s_6是最大值

 id     date              t_s_1   t_s_2   t_s_3  t_s_4   t_s_5   t_s_6  t_prob_max_s    
    1    '2020-01-01'     0.5    0.55    0.56    0.4      0.6      0.7      6
    2    '2020-01-01'     0.77   0.3     0.2    0.33     0.66      0.56     1
    ....

---

谢谢

由相关索引列和要取消堆栈的列组成的第一组。根据上下文，您可以选择“最大”聚合以外的内容。如果每一次都发生一次，那就没关系了

unstacked = df.groupby(['id', 'date', 't_s'])['t_prob'].aggregate('max').unstack()

或者：

df.pivot_table(index=['id', 'date'], columns='t_s', values='t_prob', aggfunc='max')

这不太灵活，但在上下文中可能更清晰

重命名轴，使轴上的列没有奇怪的“t_s”名称。然后重命名列，使其枚举t_：

unstacked_renamed = unstacked.rename_axis(columns = None).rename(columns={val:f't_s_{val}' for val in unstacked.columns.values})

获取每行具有最高值的列的索引，然后对其进行预处理，以获取与该列相关的t_数：

unstacked_renamed['t_prob_max_s'] = unstacked_renamed.idxmax(axis=1).str.split('_').str[-1]

重置索引，使其再次平坦：

unstacked_reindexed = unstacked_renamed.reset_index()

检查正确性：

>>unstacked_reindexed
    id          date    t_s_1   t_s_2   t_s_3   t_s_4   t_s_5   t_s_6   t_prob_max_s
0   1   '2020-01-01'    0.50    0.55    0.56    0.40    0.60    0.70    6
1   2   '2020-01-01'    0.77    0.30    0.20    0.33    0.66    0.56    1

---

---

即使初始数据未被索引器排序，如果给定的t_s值多次出现（但选择的聚合是不可忽略的），或者存在缺失/跳过的t_s（例如，t_s 1,2,3,4,5,7的值），这种方法仍然有效。一般来说，这是一个非常健壮的解决方案。

可能是

groupby

，我以前做过，但我现在做不到。每个唯一id的每个日期的

t\s

值是否按顺序存在，即从

1

到

6

？似乎

取消堆栈

也可以这样做。也许

取消堆栈

可以一次性完成所有操作？在这种情况下，“所有”是什么意思？它只是将一个标高从一个轴旋转到另一个轴。也许pd.pivot_table（）可能更有效，我会调查。是的，你是对的。那不重要。谢谢你的回答。我的代码中有一个错误，TypeError:rename_axis（）得到了一个意外的关键字参数'columns'，这令人惊讶，因为'pd.DataFrame（）.rename_axis（）'接受了关键字参数'columns'。我建议检查未标记的数据帧是否与预期的一样。如果初始数据帧与原始文章中提供的数据帧明显不同，那么代码的行为可能会有所不同。