Python 熊猫数据帧-如何将多行合并为一行

我有一个以下格式的数据集：

    A            B
0  30  60538815980
1  30   7410811099
2  26   2238403510
3  26   2006613744
4  26   2006618783
5  26   2006613743

我想合并A的值匹配的行，并生成类似的结果

            C_1         C_2         C_3         C_4
A                                                  
26   2238403510  2006613744  2006618783  2006613743
30  60538815980  7410811099         NaN         NaN

---

我试着用join或merge来表达它，但到目前为止都失败了。有没有简单的方法来表达这一点，或者我必须使用apply并创建一个新的数据帧？

首先，基于列

a

创建一个

groupby

对象。然后创建一个新的数据帧

df2

，它使用

ix

根据列

a

中的值

n

对每组的列

B

进行索引。将此数据帧的索引设置为与

groupby

中的键值相等（即

A

列中的唯一值）

最后，使用列表理解将新列值设置为

C_1

，

C_2

，…，等等

df = pd.DataFrame({'A': [30, 30, 26, 26, 26, 26], 
                   'B': [60538815980, 7410811099, 2238403510, 
                         2006613744, 2006618783, 2006613743]})

gb = df.groupby('A')
df2 = pd.DataFrame([df.ix[gb.groups[n], 'B'].values for n in gb.groups], 
                   index=gb.groups.keys())
df2.columns = ["C_" + str(i + 1) for i in df2.columns]
df2.index.name = "A"

>>> df2
            C_1         C_2         C_3         C_4
A
26   2238403510  2006613744  2006618783  2006613743
30  60538815980  7410811099         NaN         NaN

---

我还建议使用

groupby

，但我认为我们可以使用

pivot

来简化事情。首先，我们用想要使用的列标签创建一个新的C列，然后我们调用

pivot

：

>>> df["C"] = "C_" + (df.groupby("A").cumcount() + 1).astype(str)
>>> df.pivot(index="A", values="B", columns="C")
C           C_1         C_2         C_3         C_4
A                                                  
26   2238403510  2006613744  2006618783  2006613743
30  60538815980  7410811099         NaN         NaN