Python 通过组合不同的组创建新的数据帧

从上面的数据框中，我想创建一个新的数据框，其中相同的

Date

和不同的

source

的

id

位于同一行。e、 g.输出应如下所示：

          id      source                 Date       CVI
67092  10365     sat     2016-11-20 00:00:00      1.9
67093  10365     nel-2   2016-11-20 00:00:00      1.5
67094  10365     sat     2016-12-06 00:00:00   1.436964
67095  10365     sat     2016-12-22 00:00:00        NaN
67096  10365     sat     2017-01-07 00:00:00   4.835949
67097  10365     sat     2017-01-23 00:00:00  10.033607
...      ...         ...                  ...        ...
723    84650  nel-2      2020-04-03 00:00:00   5.085851
724    84650  nel-2      2020-04-08 00:00:00   4.375207
725    84650  nel-2      2020-04-13 00:00:00   0.040688
726    84650  nel-2      2020-04-18 00:00:00   3.151000

---

我尝试使用groupby，但它不能满足我的需要。请注意，如果没有重复的三元组

id

，则生成的表中只有相同

id

的

CVI

值对于

源

和

日期

相同的行，

Date

和

source

值与一起用于重塑列名，然后通过以下方式更改列名删除缺少值的行：

如果可能重复，则第一个解决方案失败是必要的（它也适用于无重复的三元组，然后是无聚合），具有一些聚合功能，如

sum

，

mean

，而不是

使用
取消堆栈设置索引
：

df1 = (df.set_index(['id','Date','source'])['CVI']
         .unstack()
         .add_suffix('_CVI')
         .dropna()
         .reset_index()
         .rename_axis(None, axis=1))
print (df1)
      id                 Date  nel-2_CVI  sat_CVI
0  10365  2016-11-20 00:00:00        1.5      1.9

打印（df）
id来源日期CVI
67092 10365 sat 2016-11-20 00:00:00 1.900000@jezrael，这与仅使用透视表不同，因为我只希望相同的
id的两个源都有相同的
日期
的行
对不起，不明白，可以创建吗？因为输出中的
1.5
不在输入数据框架中，谢谢@jezrael，所以我将示例更新为MCVEit is close，但它似乎包含带有
Date
的偶数行，其中一个
source
有数据，而另一个没有数据。我不希望包括这样的行。例如，如果on
Date
2020-04-03 00:00:00
只有
nel-2
在
CVI
列中有数据，则该行不应包含在outputhmm中，因此
df.pivot_表（索引=['id'，'Date columns='source'，values='CVI'）。需要什么？
df1 = (df.set_index(['id','Date','source'])['CVI']
         .unstack()
         .add_suffix('_CVI')
         .dropna()
         .reset_index()
         .rename_axis(None, axis=1))
print (df1)
      id                 Date  nel-2_CVI  sat_CVI
0  10365  2016-11-20 00:00:00        1.5      1.9

print (df)
          id source                 Date        CVI
67092  10365    sat  2016-11-20 00:00:00   1.900000 <- duplicated triple
67092  10365    sat  2016-11-20 00:00:00   1.000000 <- duplicated triple
67093  10365  nel-2  2016-11-20 00:00:00   1.500000
67094  10365    sat  2016-12-06 00:00:00   1.436964
67095  10365    sat  2016-12-22 00:00:00        NaN
67096  10365    sat  2017-01-07 00:00:00   4.835949
67097  10365    sat  2017-01-23 00:00:00  10.033607
723    84650  nel-2  2020-04-03 00:00:00   5.085851
724    84650  nel-2  2020-04-08 00:00:00   4.375207
725    84650  nel-2  2020-04-13 00:00:00   0.040688
726    84650  nel-2  2020-04-18 00:00:00   3.151000

df1 = (df.pivot_table(index=['id','Date'],columns='source', values='CVI', aggfunc='sum')
         .add_suffix('_CVI')
         .dropna()
         .reset_index()
         .rename_axis(None, axis=1))
print (df1)
      id                 Date  nel-2_CVI  sat_CVI
0  10365  2016-11-20 00:00:00        1.5      2.9