Python 将统计数据聚合为新列

我有一个数据帧

df

，有3列：

a

是一个对象id，

B

是一个标志，

C

是一个在对象

a

上测量的值，带有标志

B

。 我想计算按

[A，B]

分组的

C

的平均值，并将结果存储为三个新列：

C0

：当

B=0

C1

：当

B=1

C2

：当

B=2

下面是一个示例，演示了如何将数据帧

df

转换为

res

import numpy as np
import pandas as pd

df = pd.DataFrame({
    "A":[0,0,0,0,0,1,2,2,3,3,3],
    "B":[0,1,2,0,1,2,0,2,0,1,1],
    "C":[.654,.123,1.45,6.1,0.322,1.77,9.234,2.54,1,6.77,6.438]})

grouped = df.groupby(["A","B"]).agg("mean")

# how to transform grouped into res?
res = pd.DataFrame({
    "A":[0,1,2,3],
    "C0":[3.377,np.nan,9.234,1],
    "C1":[0.2225,np.nan,np.nan,6.604],
    "C2":[1.45,1.77,2.54,np.nan]})

添加：

或与默认值

mean

aggregate函数一起使用：

res = df.pivot_table(index="A",columns="B",values='C').add_prefix('C').reset_index()

print (res)
B  A     C0      C1    C2
0  0  3.377  0.2225  1.45
1  1    NaN     NaN  1.77
2  2  9.234     NaN  2.54
3  3  1.000  6.6040   NaN

添加：

或与默认值

mean

aggregate函数一起使用：

res = df.pivot_table(index="A",columns="B",values='C').add_prefix('C').reset_index()

print (res)
B  A     C0      C1    C2
0  0  3.377  0.2225  1.45
1  1    NaN     NaN  1.77
2  2  9.234     NaN  2.54
3  3  1.000  6.6040   NaN