在没有唯一值的python数据帧中迭代

我在python中重新排列数据帧时遇到了麻烦，它是从CSV文件生成的，我需要它。数据帧中的数据如下所示：

ID      VOLUME      DATETIME

900     2.36        11/01/2015 13:40
900     2.30        11/01/2015 13:40
900     2.18        11/01/2015 13:41
900     2.30        11/01/2015 13:41
901     1.88        07/01/2015 17:01
901     1.80        07/01/2015 17:01
901     1.73        07/01/2015 17:02
901     1.80        07/01/2015 17:02

我尝试了各种方法来将上面的内容转换为我需要的内容，但由于字段没有真正的唯一值，我无法这样做。我一直在想，我需要使用iterrows来获取我需要的信息，但还没有弄明白。 这就是我获取数据的方式：

    900↓    901↓

    2.36    1.88
    2.30    1.80
    2.18    1.73
    2.30    1.80

---

我试图在ID列中每个项目显示一列，但我真的开始在这一列上撞到墙上了。我可以如上所述创建一个新的数据帧吗？还是我的做法是错误的？

当您的ID具有不同行数时的解决方案：

In [34]: df
Out[34]:
    ID  VOLUME          DATETIME
0  900    2.36  11/01/2015 13:40
1  900    2.30  11/01/2015 13:40
2  900    2.18  11/01/2015 13:41
3  900    2.30  11/01/2015 13:41
4  901    1.88  07/01/2015 17:01
5  901    1.80  07/01/2015 17:01
6  901    1.73  07/01/2015 17:02
7  901    1.80  07/01/2015 17:02
8  901    1.11  07/01/2015 17:03   # NOTE: i've intentionally added this row

In [35]: pd.DataFrame({k : pd.Series(v)
                       for k, v in df.groupby('ID').VOLUME.apply(list).to_dict().items()})
Out[35]:
    900   901
0  2.36  1.88
1  2.30  1.80
2  2.18  1.73
3  2.30  1.80
4   NaN  1.11

旧答案：

试试这个：

In [12]: pd.DataFrame(df.groupby('ID').VOLUME.apply(list).to_dict())
Out[12]:
    900   901
0  2.36  1.88
1  2.30  1.80
2  2.18  1.73
3  2.30  1.80

或：

---

注意：如果您的

ID

的行数相同，那么这将起作用。对于具有不同行数的ID的情况，解决方案是：

In [34]: df
Out[34]:
    ID  VOLUME          DATETIME
0  900    2.36  11/01/2015 13:40
1  900    2.30  11/01/2015 13:40
2  900    2.18  11/01/2015 13:41
3  900    2.30  11/01/2015 13:41
4  901    1.88  07/01/2015 17:01
5  901    1.80  07/01/2015 17:01
6  901    1.73  07/01/2015 17:02
7  901    1.80  07/01/2015 17:02
8  901    1.11  07/01/2015 17:03   # NOTE: i've intentionally added this row

In [35]: pd.DataFrame({k : pd.Series(v)
                       for k, v in df.groupby('ID').VOLUME.apply(list).to_dict().items()})
Out[35]:
    900   901
0  2.36  1.88
1  2.30  1.80
2  2.18  1.73
3  2.30  1.80
4   NaN  1.11

旧答案：

试试这个：

In [12]: pd.DataFrame(df.groupby('ID').VOLUME.apply(list).to_dict())
Out[12]:
    900   901
0  2.36  1.88
1  2.30  1.80
2  2.18  1.73
3  2.30  1.80

或：

---

注意：如果您的

ID

的行数相同，这将起作用。非常感谢。我正试图掌握dataframe，老实说，我花了一周的时间试图弄明白这一点。我的行有不同数量的ID，所以我很感激你覆盖了所有的途径，它甚至没有越过我的脑海。“OldManEast，很高兴我能帮助：”请考虑一个答案，如果你认为它已经回答了你的问题，非常感谢。我正试图掌握dataframe，老实说，我花了一周的时间试图弄明白这一点。我的行有不同数量的ID，所以我很感激你覆盖了所有的途径，它甚至没有越过我的脑海。“OldManEast，很高兴我能帮助：”请考虑一个答案，如果你认为它已经回答了你的问题。