Python 熊猫-按列分组，然后根据结果创建新列

我有一个数据框，其中包含了针对不同人群的多个测试结果。 它有

名称

，

年龄

，

分数

scores=pd.DataFrame（{'name'：['Alex'、'Alex'、'Alex'、'James'、'James'、'James'、'James'、'Emily'、'Emily'、'Emily'、'Emily'、'Emily'、'Emily'、'Emily'，'age'：[25,26,26,27,27,25,25,26,26,26,26,26,26,26,27,27,27]，'scores'：[10,2,2,2,2,2,4,4,4,6,6,10,10]）

我在

姓名

和

年龄

上进行了分组，并进行了汇总，得出每个组的

最大得分

（这是个人每年的

得分

列的

max

值）

age\u scores=scores.groupby（['name'，'age']）.agg（{“scores”：'max'}）

结果看起来像

           score
name  age       
Alex  25      10
      26       2
      27       2
Emily 25       7
      26      10
      27      10
James 25       2
      26       6
      27      10

我想有一个数据框，每个人一行，然后每个年龄的最大分数列

i、 e

---

如果要转换年龄分数，请使用

pivot

：

(age_scores
     .reset_index()
     .pivot('name', 'age', 'score')
     .add_prefix('max_')
     .reset_index()
     .rename_axis(None, axis=1))

输出：

    name  max_25  max_26  max_27
0   Alex      10       2       2
1  Emily       7      10      10
2  James       2       6      10

age   name  max_25  max_26  max_27
0     Alex      10       2       2
1    Emily       7      10      10
2    James       2       6      10

---

否则，如果您不需要将

age\u分数

作为中间数据帧，那么Chris在评论中提出的

unstack

解决方案可能更简单：

(scores
 .groupby(['name', 'age'])['score'].max()
 .unstack('age')
 .add_prefix('max_')
 .reset_index())

输出：

    name  max_25  max_26  max_27
0   Alex      10       2       2
1  Emily       7      10      10
2  James       2       6      10

age   name  max_25  max_26  max_27
0     Alex      10       2       2
1    Emily       7      10      10
2    James       2       6      10

---

如果要转换年龄分数，请使用

pivot

：

(age_scores
     .reset_index()
     .pivot('name', 'age', 'score')
     .add_prefix('max_')
     .reset_index()
     .rename_axis(None, axis=1))

输出：

    name  max_25  max_26  max_27
0   Alex      10       2       2
1  Emily       7      10      10
2  James       2       6      10

age   name  max_25  max_26  max_27
0     Alex      10       2       2
1    Emily       7      10      10
2    James       2       6      10

---

否则，如果您不需要将

age\u分数

作为中间数据帧，那么Chris在评论中提出的

unstack

解决方案可能更简单：

(scores
 .groupby(['name', 'age'])['score'].max()
 .unstack('age')
 .add_prefix('max_')
 .reset_index())

输出：

    name  max_25  max_26  max_27
0   Alex      10       2       2
1  Emily       7      10      10
2  James       2       6      10

age   name  max_25  max_26  max_27
0     Alex      10       2       2
1    Emily       7      10      10
2    James       2       6      10

---

这回答了你的问题吗？使用

unstack

：

df.groupby（[“name”，“age”]）[“score”].max（）.unstack（）

这是否回答了您的问题？使用

unstack

：

df.groupby（[“name”，“age”]）[“score”].max（）.unstack（）

谢谢！这非常有帮助，并且完全满足了我的需要：）奇怪的是，尽管重置索引使

age

成为索引，我似乎无法摆脱它是的，因此

age

是列的名称。您可以使用

df.columns.name=None

重置它，如果您想链接它，也可以使用

rename\u axis

重置它。我已经更新了解决方案（pivot的

部分），将该名称重置为None。如果你想要更多的细节，这里有这个谢谢你！这非常有帮助，并且完全满足了我的需要：）奇怪的是，尽管重置索引使
age
成为索引，我似乎无法摆脱它是的，因此
age
是列的名称。您可以使用
df.columns.name=None
重置它，如果您想链接它，也可以使用
rename\u axis
重置它。我已经更新了解决方案（pivot的
部分），将该名称重置为None。如果你想要更多的细节，这里有这个