Python 将dataframe的行与同一组合并，并将值分配给新列

我想将dataframe的行与同一组组合起来，并将值分配给新列

以前

     x          y         group
0   0.333333    1.000000    0
1   0.750000    0.137931    0
2   1.000000    0.270115    0
3   0.272727    1.000000    1
4   0.727273    0.124294    1
5   1.000000    0.355932    1
6   0.272727    1.000000    2
7   0.727273    0.096591    2
8   1.000000    0.363636    2
9   0.272727    1.000000    3
10  0.727273    0.105556    3
11  1.000000    0.416667    3
12  0.272727    1.000000    4
13  0.727273    0.181818    4
14  1.000000    0.443182    4

之后

---

以下是透视表的一种方法：

# rank of the row within each group
cats = df.groupby('group').group.rank('first').astype(int)

# use pivot_table to transform data
new_df = pd.pivot_table(df, index='group', columns=cats)

# rename to get desired columns
new_df.columns = [f'{x}{y}' for x,y in new_df.columns]

输出：

             x1        x2   x3   y1        y2        y3
group                                                  
0      0.333333  0.750000  1.0  1.0  0.137931  0.270115
1      0.272727  0.727273  1.0  1.0  0.124294  0.355932
2      0.272727  0.727273  1.0  1.0  0.096591  0.363636
3      0.272727  0.727273  1.0  1.0  0.105556  0.416667
4      0.272727  0.727273  1.0  1.0  0.181818  0.443182

---

您可以使用groupby和pivot函数来完成它，如

df=pd.DataFrame（[（'0'，'0.333333'，'1.000000'，'0'），（'1'，'0.750000'，'0.137931'，'0'），（'2'，'1.000000'，'0.270115'，'0'），（'3'，'0.2727'，'1.000000'，'1'），（'4'，'0.727273'，'0.124294'，'1'），（'5'，'1.000000'，'0.355932'，'1'），（'6'，'0.2727227'，'1.000000 2'，'2'），（'7'，'0.72727273'，'0.368'，'，（'9'，'0.272727'，'1.000000'，'3'），（'10'，'0.727273'，'0.105556'，'3'），（'11'，'1.000000'，'0.416667'，'3'），（'12'，'0.272727'，'1.000000'，'4'），（'13'，'0.727273'，'0.181818'，'4'），（'14'，'1.000000'，'0.443182'，'4'），列=（'id'，'x'，'y'，'group'））
df2=df.groupby（“集团”）\
.apply（lambda组：group.assign（ind=np.arange（len（group）））\
.reset_索引（drop=True）
df2=df2.pivot（index=“ind”，columns=“group”，value=[“x”，“y”]）
df2.columns=list（映射（lambda x:“”.join（x），df2.columns））
df2

不使用透视表：

groups=df.groupby('group')['group'].apply(lambda x: x.eq(x.shift()).cumsum())
new_df=pd.concat([df.groupby(groups)['x','y'].get_group(key).add_suffix(str(key+1)).reset_index(drop=True) for key in groups.unique()],axis=1)
print(new_df)



         x1   y1        x2        y2   x3        y3
0  0.333333  1.0  0.750000  0.137931  1.0  0.270115
1  0.272727  1.0  0.727273  0.124294  1.0  0.355932
2  0.272727  1.0  0.727273  0.096591  1.0  0.363636
3  0.272727  1.0  0.727273  0.105556  1.0  0.416667
4  0.272727  1.0  0.727273  0.181818  1.0  0.443182

---

小组总是分成3行吗？检查Q10和Q11

groups=df.groupby('group')['group'].apply(lambda x: x.eq(x.shift()).cumsum())
new_df=pd.concat([df.groupby(groups)['x','y'].get_group(key).add_suffix(str(key+1)).reset_index(drop=True) for key in groups.unique()],axis=1)
print(new_df)



         x1   y1        x2        y2   x3        y3
0  0.333333  1.0  0.750000  0.137931  1.0  0.270115
1  0.272727  1.0  0.727273  0.124294  1.0  0.355932
2  0.272727  1.0  0.727273  0.096591  1.0  0.363636
3  0.272727  1.0  0.727273  0.105556  1.0  0.416667
4  0.272727  1.0  0.727273  0.181818  1.0  0.443182