Pandas Datenframe: nach Auftrag in Untergruppe entstapeln, nicht nach Wert

Question

Ich versuche Python/Pandas zu lernen und habe, was ich glaube, ein ziemlich grundlegendes Problem.

Ich habe Daten von der folgenden Form:

 
id X 
1 1 
1 2 
2 2 
2 3 
3 4 
3 5 
3 5 
3 3 
3 3 
3 4 
4 3 
4 4 
4 6 

ich die Daten von etwas ähnlich einem unstack Format umwandeln wollen: Ich gruppieren möchten durch die id, sortieren Sie die X Werte, legen Sie die erste X -Wert in x1, der zweite X -Wert in x2, usw. Der Datensatz ist ziemlich groß (mehr als 1Millon "Zeilen"). Die meisten Werte in X sind eindeutig (daher möchte ich nicht den Wert von X als Spaltenname verwenden, sondern den Auftrag von X). Nachdem ich mag ich fertig bin würde mit einem Datenrahmen, die wie dies am Ende:

 
id x1 x2 x3 
1 1 2 nan 
2 2 3 nan 
3 3 4 5 
4 3 4 6 

Answer 1

IIUC, könnten Sie so etwas wie

>>> df = df.drop_duplicates() 
>>> df = df.sort_values(["id", "X"]) 
>>> df["xcol"] = "x" + (df.groupby("id")["X"].rank().astype(int)).astype(str) 
>>> df = df.pivot(index="id", columns="xcol", values="X") 
>>> df 
xcol x1 x2 x3 
id    
1  1 2 NaN 
2  2 3 NaN 
3  3 4 5 
4  3 4 6 

---

Schritt-für-Schritt tun, zuerst wir können die Duplikate und sortieren entfernen:

>>> df = df.drop_duplicates() 
>>> df = df.sort_values(["id", "X"]) 
>>> df 
    X id 
0 1 1 
1 2 1 
2 2 2 
3 3 2 
7 3 3 
4 4 3 
5 5 3 
10 3 4 
11 4 4 
12 6 4 

Dann können wir die Elemente in einem groupby Rang, und bauen die entsprechenden Werte, die wir in der Spalte verwenden werden (cumcount hätte auch hier) gearbeitet:

>>> df["xcol"] = "x" + (df.groupby("id")["X"].rank().astype(int)).astype(str) 
>>> df 
    X id xcol 
0 1 1 x1 
1 2 1 x2 
2 2 2 x1 
3 3 2 x2 
7 3 3 x1 
4 4 3 x2 
5 5 3 x3 
10 3 4 x1 
11 4 4 x2 
12 6 4 x3 

und schließlich schwenken wir:

>>> df = df.pivot(index="id", columns="xcol", values="X") 
>>> df 
xcol x1 x2 x3 
id    
1  1 2 NaN 
2  2 3 NaN 
3  3 4 5 
4  3 4 6 

Wir konnten genau Ihre beschriebenen Ausgabeformat erhalten, wenn Sie darauf bestanden:

>>> df.columns.name = None 
>>> df.reset_index() 
    id x1 x2 x3 
0 1 1 2 NaN 
1 2 2 3 NaN 
2 3 3 4 5 
3 4 3 4 6