Pandas 基于唯一值将单列转换为多列

我有以下

pandas.DataFrame

和shape

（1464,2）

：

索引列中的每个数据重复了4次：在

名称

列中，每个字符串一次

数据帧的头部和尾部如下所示：

头部

value   name
2018-01-01  47  A
2018-01-02  22  A
2018-01-03  13  A
2018-01-04  66  A
2018-01-05  19  A 

尾部

    value   name
2018-12-28  32  D
2018-12-29  1   D
2018-12-30  5   D
2018-12-31  50  D
2019-01-01  75  D

我想将这个

（1464，2）

数据帧转换为形状

（366，4）

，这样4列中的每一列都是

df.name.unique（）

（即.e

A，B，C，D

）中的4个唯一值。每列的值都是

df.value

列中相应的整数

最终的数据帧应该如下所示：

            A   B   C   D
2018-12-28  32  22  21  4
2018-12-29  1   16  2   12
2018-12-30  5   1   65  26
2018-12-31  50  92  21  75
2019-01-01  75  55  33  34

---

我确信必须有一个很好的reindex函数或类似的函数才能有效地执行任务，而不是循环和重新创建数据帧。

您可以使用pivot来完成

df=pd.DataFrame（[（'2018-01-01'，'47'，'A'），（'2018-01-02'，'22'，'A'），（'2018-01-03'，'13'，'A'），（'2018-01-04'，'66'，'A'），（'2018-01-05'，'19'，'A'），（'2018-01-01'，'32'，'D'），（'2018-01-02'，'1'，'D'），（'2018-01-03'，'5'，'D'），（'2018-01-01-04'，'50'，'D'），（'2018-01-01-05'，'75'，'D'），列=（'id'，'D'），'D'），'D'），名称='
df[“id”]=pd.to_datetime（df.id）
df.设置索引（“id”）
df.pivot（“id”，columns=“name”）

输出

    id  value   name
0   2018-01-01  47  A
1   2018-01-02  22  A
2   2018-01-03  13  A
3   2018-01-04  66  A
4   2018-01-05  19  A
5   2018-01-01  32  D
6   2018-01-02  1   D
7   2018-01-03  5   D
8   2018-01-04  50  D
9   2018-01-05  75  D


value
name    A   D
id      
2018-01-01  47  32
2018-01-02  22  1
2018-01-03  13  5
2018-01-04  66  50
2018-01-05  19  75

您可以使用以下选项：

df.pivot(columns='name',values='value')

---

可以在不使用多级索引数据框的情况下执行此操作？它不是多级索引，而是显示列名，您可以将其设置为空白，如

df.columns.rename（“”）

df.pivot(columns='name',values='value')