Python 在pandas中使用矢量化计算值并将结果插入数据帧

我有一个35k+行的数据表，格式如下：

+----------+---------+--------------+
| username |  event  | points_value |
+----------+---------+--------------+
| user1    | event_1 | 100          |
| user2    | event_2 | 120          |
| user2    | event_1 | 100          |
| ...      | ...     | ...          |
+----------+---------+--------------+

+----------+---------+---------+-----+----------+
| username | event_1 | event_2 | ... | event_20 |
+----------+---------+---------+-----+----------+

不确定是否相关，但有20个可能的事件，每个用户可以发生一次以上的事件。数据是根据事件的时间而不是用户名或事件类型进行排序的。我希望计算每个用户的事件数（以及每个用户和事件添加的点数，但这是一个问题，我将通过解决下面的问题来解决）

我的输出数据帧events\u total\u df使用以下格式：

+----------+---------+--------------+
| username |  event  | points_value |
+----------+---------+--------------+
| user1    | event_1 | 100          |
| user2    | event_2 | 120          |
| user2    | event_1 | 100          |
| ...      | ...     | ...          |
+----------+---------+--------------+

+----------+---------+---------+-----+----------+
| username | event_1 | event_2 | ... | event_20 |
+----------+---------+---------+-----+----------+

（我已经用用户名预先填充了events_total_df数据框，并用0填充了每个event列）

我已经有了解决这个问题的办法：

for index, row in df.iterrows():
    event_totals_df.loc[event_totals_df.username.eq(row['username']), row['event']] += 1

然而，这是一个非常缓慢的解决方案。根据目前35k+行的数据表（用于一周的活动），需要几分钟才能完成。我做了一些研究，似乎矢量化是一种方法，因为它要快得多。然而，我不能让它工作。理想情况下，我想做的事情如下：

event_group = df.groupby('event')
for event in list(event_group.groups.keys()):
    event_totals_df[event] = len(df.loc[ event_group.get_group(event)['username'] == event_totals_df['username'] ])

但是，当我运行代码时，会出现以下错误：

ValueError: Can only compare identically-labeled Series objects

这是有道理的。有没有什么方法可以实现我想要的矢量化？我愿意改变任何基本的东西来加快速度。但我不认为这是我如何处理输出数据帧的问题？

试试pivot\u表：

import pandas as pd
result = pd.pivot_table(df, values=['points_value'], index=['user'], columns=['event'], aggfunc={'points_value':'sum'}).reset_index()

这将对每个用户的每个事件的所有点数进行合计。

df.pivot（'username'、'event'、'points\u value'）

？