Python Dataframe：基于另一列创建列答案

【问题标题】：Python Dataframe: Create columns based on another columnPython Dataframe：基于另一列创建列
【发布时间】：2019-03-29 00:52:59
【问题描述】：

我有一个数据框，其中一列（此处为“A”列）具有重复值，我想转换此数据框，以便根据“A”列的值形成新列。

例子

df = pd.DataFrame({'A':range(4)*3, 'B':range(12),'C':range(12,24)})
df
    A   B   C
0   0   0  12
1   1   1  13
2   2   2  14
3   3   3  15
4   0   4  16
5   1   5  17
6   2   6  18
7   3   7  19
8   0   8  20
9   1   9  21
10  2  10  22
11  3  11  23

注意“A”列的值重复了3次。

现在我想要最简单的解决方案，将其转换为具有此配置的另一个数据框（请忽略列的命名，它仅用于描述目的，它们可以是任何东西）：

        B               C
    A0  A1  A2  A3  A0  A1  A2  A3
0   0   1   2   3   12  13  14  15
1   4   5   6   7   16  17  18  19
2   8   9   10  11  20  21  22  23

【问题讨论】：

标签： python pandas dataframe pivot pivot-table

【解决方案1】：

您可能需要assigncumcount 的组帮助键，然后只需执行unstack

yourdf=df.assign(D=df.groupby('A').cumcount(),A='A'+df.A.astype(str)).set_index(['D','A']).unstack()
   B              C            
A A0 A1  A2  A3  A0  A1  A2  A3
D                              
0  0  1   2   3  12  13  14  15
1  4  5   6   7  16  17  18  19
2  8  9  10  11  20  21  22  23

【讨论】：

@coldspeed 嗨，冷，你能帮忙吗我不知道......stackoverflow.com/a/55403072/7964527
这很奇怪......我不知道......我在那里对你的两个答案都投了赞成票。 ://
@coldspeed 是的，我知道只是害怕我提供了错误的东西:-)，似乎只是随机投反对票。:-( 你是最好的人，可以帮我检查答案的准确性； -)
我建议不要担心。有人可能今天过得很糟糕...... :)

【解决方案2】：

这是一个pivot 问题，所以使用

df.assign(idx=df.groupby('A').cumcount()).pivot('idx', 'A', ['B', 'C'])

     B              C            
A    0  1   2   3   0   1   2   3
idx                              
0    0  1   2   3  12  13  14  15
1    4  5   6   7  16  17  18  19
2    8  9  10  11  20  21  22  23

如果标题很重要，您可以使用MultiIndex.set_levels 来修复它们。

u = df.assign(idx=df.groupby('A').cumcount()).pivot('idx', 'A', ['B', 'C'])
u.columns = u.columns.set_levels(
    ['A' + u.columns.levels[1].astype(str)], level=[1])
u

     B              C            
A   A0 A1  A2  A3  A0  A1  A2  A3
idx                              
0    0  1   2   3  12  13  14  15
1    4  5   6   7  16  17  18  19
2    8  9  10  11  20  21  22  23

【讨论】：