Python Groupby以创建新列

从dataframe，如果已经找到索引，我想创建一个包含新列的dataframe，但我不知道要创建多少列：

pd.DataFrame([["John","guitar"],["Michael","football"],["Andrew","running"],["John","dancing"],["Andrew","cars"]])

我想：

pd.DataFrame([["John","guitar","dancing"],["Michael","Football",None],["Andrew","running","cars"]])

不知道一开始应该创建多少列。

用于get

计数器

，然后通过以下方式重塑形状：

或聚合

列表

并按构造函数创建新词典：

s = df1.groupby('a')['b'].agg(list)
df = pd.DataFrame(s.values.tolist(), index=s.index).reset_index()
print (df)
         a         0        1
0   Andrew   running     cars
1     John    guitar  dancing
2  Michael  football     None

您可以按

人分组

，并在

爱好

中搜索。然后使用

.apply（pd.Series）

将列表展开为列：

df.groupby('person').hobby.unique().apply(pd.Series).reset_index()
    person         0        1
0   Andrew   running     cars
1     John    guitar  dancing
2  Michael  football      NaN

如果数据帧较大，请尝试更有效的替代方案：

df = df.groupby('person').hobby.unique()
df = pd.DataFrame(df.values.tolist(), index=df.index).reset_index()

---

这在本质上是相同的，但在应用

pd.Series

时避免在行上循环

假设列名是

['person'，'activity']

您可以这样做

df_out = df.groupby('person').agg(list).reset_index()
df_out = pd.concat([df_out, pd.DataFrame(df_out['activity'].values.tolist())], axis=1)
df_out = df_out.drop('activity', 1)

给你

    person         0        1
0   Andrew   running     cars
1     John    guitar  dancing
2  Michael  football     None

---

你的答案有什么问题？为什么是独一无二的？为什么

pd.Series

什么是真正的慢？是的，我同意

.apply（pd.Series）

不是非常大的数据帧的最佳选择，但如果不是这样的话，它会起到作用。“为什么独特”-我假设OP想要的是记录每个人的数据框中存在哪些爱好。否则请告诉我@ffl75@FFL75更新了一个更快的替代方案，更适合大数据帧实际上，在我的实际用例中，知道值repeat非常好，并且在这个示例中，它并没有声明显示唯一的值：）我不确定为什么否决@jezrael，先生，@RavinderSingh13-谢谢你，这是一个很好的解决方案。

df_out = df.groupby('person').agg(list).reset_index()
df_out = pd.concat([df_out, pd.DataFrame(df_out['activity'].values.tolist())], axis=1)
df_out = df_out.drop('activity', 1)

    person         0        1
0   Andrew   running     cars
1     John    guitar  dancing
2  Michael  football     None