Python 根据其他列填充不同的列（第一列包含列标题，第二列包含要获取的值）

我正在使用Python 3.6.9

我被困在这样的数据帧上：

import pandas as pd
import numpy as np

dict_ = {'col1': [3.14, 28, -0.618, 1.159], 'col2': ['a_002_u', 'a_003_u', 'a_001_u', 'a_003_u'], 'a_001_u': [np.nan] * 4, 'a_002_u': [np.nan] * 4, 'a_003_u': [np.nan] * 4}

df = pd.DataFrame(dict_)

     col1     col2  a_001_u  a_002_u  a_003_u
0   3.140  a_002_u      NaN      NaN      NaN
1  28.000  a_003_u      NaN      NaN      NaN
2  -0.618  a_001_u      NaN      NaN      NaN
3   1.159  a_003_u      NaN      NaN      NaN

我想得到这个结果：

     col1     col2  a_001_u  a_002_u  a_003_u
0   3.140  a_002_u      NaN     3.14      NaN
1  28.000  a_003_u      NaN      NaN   28.000
2  -0.618  a_001_u   -0.618      NaN      NaN
3   1.159  a_003_u      NaN      NaN    1.159

换句话说，我想根据“col2”中的列标题，用“col1”值填充“a_001_”、“a_002_”和“a_003_”列

这很容易解释，但我的印象是设置起来不那么明显。

---

有人有办法帮我吗？

您可以通过遍历行来编写

for index, row in df.iterrows():
    row[row['col2']]=row['col1']

在更改前2列的形状后，可以使用以下类似工具：

因为实际上执行

set\u index

和

unstack

会创建所需的其他列，而

fillna

会对缺少的值进行（行、列）填充

print(df.set_index('col2', append=True)['col1'].unstack())
col2  a_001_u  a_002_u  a_003_u
0         NaN     3.14      NaN
1         NaN      NaN   28.000
2      -0.618      NaN      NaN
3         NaN      NaN    1.159

---

注意：使用类似pivot的

df.pivot（columns='col2'，values='col1'）

我有成千上万个数据帧，每个数据帧包含数千行。因此，我正在寻找（如果可能的话）一个通过向量计算的解决方案，以尽可能快。我担心用一个循环会花太长时间。。。感谢您的帮助@overflow95I get A error”类型错误：无法使用这些“Hi@Sowmya”的索引器[3.14]对标签进行索引，感谢您的注意。它应该是

行['col1']

而不是

行[row['col1']]

@overflow95不客气。我想知道为什么循环需要很长时间？@Sowmya有关

iterrows

vs

vectoriation

的更多信息，请阅读以下内容，它确实很好：）此解决方案非常有效。这正是我想要的。我不知道“设置索引”和“取消堆栈”之间的关联。非常感谢@本。T@David它相当于一个pivot，您可以使用

df.pivot（columns='col2'，values='col1'）

获得相同的结果，这实际上可能更快；）完全同意@Ben.T，在这种情况下，pivot是一个很好的工具，因为您有大量的行。

print(df.set_index('col2', append=True)['col1'].unstack())
col2  a_001_u  a_002_u  a_003_u
0         NaN     3.14      NaN
1         NaN      NaN   28.000
2      -0.618      NaN      NaN
3         NaN      NaN    1.159

import pandas as pd
import numpy as np

dict_ = {'col1': [3.14, 28, -0.618, 1.159], 'col2': ['a_002_u', 'a_003_u', 'a_001_u', 'a_003_u'], 'a_001_u': [np.nan] * 4, 'a_002_u': [np.nan] * 4, 'a_003_u': [np.nan] * 4}

df = pd.DataFrame(dict_)
count = 0
for key in df['col2']:
    df[key][count] = df['col1'][count]
    count += 1

df