熊猫 - 取消堆叠重复答案

【问题标题】：Pandas - unstack with duplicates熊猫 - 取消堆叠重复
【发布时间】：2021-12-05 11:10:01
【问题描述】：

我试图解开具有重复跳过不同箍的数据帧。至今无果。如果有任何帮助，我将不胜感激：

我有一个“长”格式的数据框：

| id | variable  | value |
|----|-----------|-------|
| 1  | outcome_1 | NaN   |
| 2  | outcome_1 | 18:33 |
| 2  | outcome_1 | 20:39 |
| 2  | outcome_3 | 01:40 |
| 3  | outcome_2 | 03:59 |
| 3  | outcome_4 | 07:46 |
| 3  | outcome_3 | 10:53 |

并且想将其转换为“宽”格式，但不聚合并保留所有值，因此结果如下所示：

| id_nmbr | outcome_1_0 | outcome_1_1 | outcome_2_0 | outcome_3_0 | outcome_4_0 |
|---------|-------------|-------------|-------------|-------------|-------------|
| 1       | NaN         | NaN         | NaN         | NaN         | NaN         |
| 2       | 18:33       | 20:39       | NaN         | 01:40       | NaN         |
| 3       | NaN         | NaN         | 03:59       | 07:46       | 10:53       |

所以基本上，保留每个值，并为每个重复项创建一个新列。

我尝试过 pivot 或 unstack，以及 pivot_table，但我认为我需要将一些函数串在一起来实现它。有什么想法吗？

【问题讨论】：

标签： python pandas dataframe duplicates pivot

【解决方案1】：

使用GroupBy.cumcount 作为计数器，然后通过Series.unstack 重新整形并排序MultiIndex 并在map 中展平：

g = df.groupby(['id','variable']).cumcount()

df = df.set_index(['id','variable', g])['value'].unstack([1,2]).sort_index(axis=1)
df.columns = df.columns.map(lambda x: f'{x[0]}_{x[1]}')
df = df.reset_index()
print (df)
   id outcome_1_0 outcome_1_1 outcome_2_0 outcome_3_0 outcome_4_0
0   1         NaN         NaN         NaN         NaN         NaN
1   2       18:33       20:39         NaN       01:40         NaN
2   3         NaN         NaN       03:59       10:53       07:46

【讨论】：

【解决方案2】：

pyjanitor 中的pivot_wider 函数可以帮助抽象重塑过程：

# pip install pyjanitor
import pandas as pd
import janitor

 # the cumcount helps to get a unique index
(df.assign(counter = df.groupby(group).cumcount())
   .pivot_wider(index='id', 
                names_from=['variable', 'counter'], 
                values_from='value')
) 
   id outcome_1_0 outcome_1_1 outcome_3_0 outcome_2_0 outcome_4_0
0   1         NaN         NaN         NaN         NaN         NaN
1   2       18:33       20:39       01:40         NaN         NaN
2   3         NaN         NaN       10:53       03:59       07:46

【讨论】：