Wie Reihen zu verschmelzen und wandeln sie in Spalten

Question

ich einen Datenrahmen haben wie folgt:

ID START END SEQ 
1 11  12 1 
1 14  15 3 
1 13  14 2 
2 10  14 1 
3 11  15 1 
3 16  17 2 

ich es in dieser Datenrahmen zu transformieren müssen:

ID START_1 END_1 SEQ_1 START_2 END_2 SEQ_2 START_3 END_3 SEQ_3 
1 11  12  1  13  14  2  14  15  3 
2 10  14  1  NA  NA  NA NA  NA  NA 
3 11  15  1  16  17  2  NA  NA  NA 

Das Problem ist, dass die Anzahl der Zeilen mit derselben ID ist apriori unbekannt, dh die maximale Anzahl der Spalten START_X, END_X, SEQ_X sollte nicht manuell definiert werden. Gibt es einen automatisierten Weg, um diese Transformation zu tun, unter Berücksichtigung, dass die Spalten von SEQ bestellt werden sollten? Sollte ich group_by verwenden oder welche sollte der Ansatz sein?

Answer 1

können Sie groupby mit unstack verwenden, dann sort_index und zuletzt durch list comprehensionMultiIndex von Spalten entfernen:

df['SEQ1'] = df.SEQ 
df = df.groupby(['ID','SEQ1']).mean().unstack() 
df = df.sort_index(axis=1, level=1) 
df.columns = ['_'.join((col[0], str(col[1]))) for col in df.columns] 
print (df) 
    START_1 END_1 SEQ_1 START_2 END_2 SEQ_2 START_3 END_3 SEQ_3 
ID                  
1  11.0 12.0 1.0  13.0 14.0 2.0  14.0 15.0 3.0 
2  10.0 14.0 1.0  NaN NaN NaN  NaN NaN NaN 
3  11.0 15.0 1.0  16.0 17.0 2.0  NaN NaN NaN 

Eine andere Lösung mit pivot_table, aggfunc='mean' ist standardmäßig:

df['SEQ1'] = df.SEQ 
df = df.pivot_table(index= ['ID','SEQ1']).unstack() 
df = df.sort_index(axis=1, level=1) 
df.columns = ['_'.join((col[0], str(col[1]))) for col in df.columns] 
print (df) 
    END_1 SEQ_1 START_1 END_2 SEQ_2 START_2 END_3 SEQ_3 START_3 
ID                  
1 12.0 1.0  11.0 14.0 2.0  13.0 15.0 3.0  14.0 
2 14.0 1.0  10.0 NaN NaN  NaN NaN NaN  NaN 
3 15.0 1.0  11.0 17.0 2.0  16.0 NaN NaN  NaN