使用 pandas pivot_table 确保相邻列的值

Question

我有一个数据框：

index    col1    col2     col3
    0       X       A      123
    1       X       A      456
    2       X       B      654
    3       X       B      321
    4       X       A      111

我正在尝试使用 pivot_table 将此 df 转换为以下格式：

index       A       B
    0     123     654  
    1     456     321 
    2     111     NaN

我正在尝试使用...pivot_table(index=df.index, columns=['col2'], values='col3')，但这最终会处于以下状态：

index       A       B
    0     123     NaN  
    1     456     NaN 
    2     111     NaN
    3     NaN     654 
    4     NaN     321

我怎样才能避免这种情况？

Answer 1

您对pivot_table 的实现是正确的。

要合并您所询问的记录（在透视数据框中），您需要首先使用pivot_table，然后使用apply 简单地从透视数据框中删除NaN，如this answer shows：

# Perform spreadsheet-style pivot table
df2 = df.pivot_table(index=df.index, columns=['col2'], values='col3')
print df2

# Drop NaNs to shift rows up and combine records
df1 = df2.apply(lambda x: pd.Series(x.dropna().values))
print (df1)

输出是：

# df2
col2      A      B
0     123.0    NaN
1     456.0    NaN
2       NaN  654.0
3       NaN  321.0
4     111.0    NaN

# df1
col2      A      B
0     123.0  654.0
1     456.0  321.0
2     111.0    NaN

Answer 2

仍在使用pivot_table

pd.pivot_table(df,index=df.groupby('col2').cumcount(),columns='col2',values='col3')
Out[163]: 
col2      A      B
0     123.0  654.0
1     456.0  321.0
2     111.0    NaN