Python 熊猫：数据帧转换

我有一个熊猫数据框，如下所示：

我希望它转换到下面的数据帧，该数据帧将acc_类型和金额转换为2列和2列。（删除原文件）

此外，在最大值下，可以确定任何客户在原始数据框中的账户类型为储蓄/活期（而不是任何其他值）的行数不能超过两行

Premium_成员属性是通过获取布尔值（Y和N）的逻辑OR来计算的

使用：

#filter only 2 rows per customerid
df = df[df.groupby('customerid')['acc_type'].transform('size') < 3]
#new column
df['is'] = 1
#reshape and replace missing values to 0
df1 = df.set_index(['customerid','acc_type']).unstack(fill_value=0)
#check if Y in premium_member
s = df1.pop('premium_member').eq('Y').any(axis=1)
#change order of columns
df1 = df1.sort_index(axis=1, ascending=False)
#flatten MultiIndex
df1.columns = df1.columns.map(''.join)
#new column
df1['premium_member'] = np.where(s, 'Y','N')
#convert index to column
df1 = df1.reset_index().rename_axis(None, axis=1)
print (df1)
   customerid  isSavings  isCurrent  amountSavings  amountCurrent  \
0           1          1          1            200            300   
1           2          1          0            250              0   

  premium_member  
0              Y  
1              N  

#每个customerid只过滤2行
df=df[df.groupby（'customerid'）['acc_type'].transform（'size'）<3]
#新专栏
df['is']=1
#将缺少的值重新整形并替换为0
df1=df.设置索引（['customerid'，'acc\u type']）。取消堆栈（填充值=0）
#检查高级会员中是否有Y
s=df1.pop（'premium_member'）。eq（'Y'）。任意（轴=1）
#列的更改顺序
df1=df1.排序索引（轴=1，升序=False）
#展平多索引
df1.columns=df1.columns.map（“”.join）
#新专栏
df1['premium_member']=np.其中（s，'Y'，'N'）
#将索引转换为列
df1=df1.重置索引（）.重命名轴（无，轴=1）
打印（df1）
customerid isSavings isCurrent amountSavings amountCurrent\
0           1          1          1            200            300   
1           2          1          0            250              0   
高级会员
0年
1N

请将示例数据添加为可复制文本，而不是图像。然后，人们可以复制，尝试一些东西，并张贴在这里的答案

#filter only 2 rows per customerid
df = df[df.groupby('customerid')['acc_type'].transform('size') < 3]
#new column
df['is'] = 1
#reshape and replace missing values to 0
df1 = df.set_index(['customerid','acc_type']).unstack(fill_value=0)
#check if Y in premium_member
s = df1.pop('premium_member').eq('Y').any(axis=1)
#change order of columns
df1 = df1.sort_index(axis=1, ascending=False)
#flatten MultiIndex
df1.columns = df1.columns.map(''.join)
#new column
df1['premium_member'] = np.where(s, 'Y','N')
#convert index to column
df1 = df1.reset_index().rename_axis(None, axis=1)
print (df1)
   customerid  isSavings  isCurrent  amountSavings  amountCurrent  \
0           1          1          1            200            300   
1           2          1          0            250              0   

  premium_member  
0              Y  
1              N