是否有用于此的Python函数？

好的，所以我手动编写了一个函数来实现这一点，但我想知道是否有内置的python/pandas/numpy/。。。功能。基本上我想要的是

data_col = data.loc[data['col3'] == 'a']
data_final = data_col['col2']

但我希望它适用于col3的所有值。因此，它来自：

致：

注意col1中的值是如何不存在的。如果没有你能想到的能做这样事情的函数，不要担心做一个。我已经完成了，它适合我的需要。只是好奇，我在学校还没有完成所有的课程，所以我对所有的功能都不是非常熟悉。

试试：

for v in df["col3"].unique():
    m = df["col3"] == v
    df.loc[m, "tmp"] = range(m.sum())

df = df.pivot(index="tmp", columns="col3", values="col2").rename_axis("")
print(df)

印刷品：

col3 a b c d e
零点零六七八九一零
一点零一零九八七六

代码

df = df.pivot_table(
    'col2', columns='col3', aggfunc=(lambda x:x.to_list())
).apply(pd.Series.explode).rename_axis(None, axis=1).reset_index(drop=True))

输出

    a   b   c   d   e
0   6   7   8   9   10
1   10  9   8   7   6

解释

通过使用pivot表，我们可以基于col3的组列出col2的所有元素，然后我们可以分解列表

末尾使用rename_轴和reset_索引，根据需要转换索引

---

您的数据似乎以一种非常奇怪的方式组织起来。没有任何东西表明

a

的哪些值与

b

列的哪些值或数据点出现顺序以外的任何其他列的值一致，而且似乎有一种假设，即

col3

的所有值出现的次数相等，如果为真，可能应该反映在原始数据结构设计中。