在 Pandas 中将行值分组为列

Question

我有一个记录设备温度的数据集：

Device_ID Temperature Label
1           50          0
1           40          0
2           34          0
1           78          0
2           66          1
3           88          0
1           12          0
2           33          0
3           91          0

设备可以随时发送温度。上面的数据集已经按时间排序了。

我想做什么？

根据温度模式对设备进行分类。

我已经有了数据集的标签，标签表明设备在测量后是否坏了（1 表示在此测量后设备坏了，0 表示没问题）。一旦标签变为“坏”，设备现在就永久坏了，我不需要考虑该 id 的以下测量值。

所以，我想将分类数据集构造为：

Device_ID  T1  T2 T3 T4 ... Tn Label

1          50 40 78 ...          0
2          34 66 .....           1 (33 measurement now does not matter)

所以，我的问题是如何将行中的这些时间序列值转换为 Pandas 中的列？如何有效地完成此任务？

我可以使用 Pivot，但 Pivot 仅适用于分类变量。

非常感谢任何帮助。

Answer 1

这是一种方法。

使用groupby.cumcount 和每个“Device_ID”的最大标签的帮助器系列label 创建一个新的帮助器列col。然后使用DataFrame.pivot 和assign 你的助手系列：

df['col'] = 'T' + (df.groupby('Device_ID').Temperature.cumcount() + 1).astype(str)
labels = df.groupby('Device_ID')['Label'].max()

df_new = df.pivot(index='Device_ID', columns='col', values='Temperature').assign(Label=labels)
print(df_new)

col          T1    T2    T3    T4  Label
Device_ID                               
1          50.0  40.0  78.0  12.0      0
2          34.0  66.0  33.0   NaN      1
3          88.0  91.0   NaN   NaN      0