熊猫，在 groupby 之后创建列答案

【问题标题】：Pandas, create columns after groupby熊猫，在 groupby 之后创建列
【发布时间】：2015-02-10 18:20:04
【问题描述】：

关于 Pandas DataFrame 'test_df'：

 id_customer   id_order   product_name
    3             78        product1
    3             79        product2
    3             80        product3
    7             100       product4
    9             109       product5

在 'id_customer' 上分组后如何获得：

 id_customer order_1     order_2   product_name_1   product_name_2
    3          78           79           product1         product2
    7          100                       product4      
    9          109                       product5

目标是检索 2 和 groupby 之后的每个 'id_customer' 匹配的行数之间的最小值，然后，如果可能，填写上述所有字段。

我开始了

def order_to_col(my_dataframe_df,my_list):
  for num in range(0,min(len(my_list),2)):
    my_dataframe_df['order_'+str(num)] = my_list[num]

test_df = test_df.groupby('id_customer').apply(lambda x: order_to_col(test_df,list(x.id_order)))

但我确定这不是好方法

【问题讨论】：

将信息放入列表是否是一种可接受的选择？
是的@Yojimbo，但完美的输出将是新列

标签： python pandas group-by multiple-columns

【解决方案1】：

注意：我建议使用 head 来执行此操作，而不是使用多个列：

In [11]: g = df.groupby('id_customer')

In [12]: g.head(2)
Out[12]:
   id_customer  id_order product_name
0            3        78     product1
1            3        79     product2
3            7       100     product4
4            9       109     product5

您可以使用 nth 组合第 0 个和第 1 个，然后将它们连接起来：

In [21]: g = df.groupby('id_customer')

In [22]: g[['id_order', 'product_name']].nth(0)
Out[22]:
             id_order product_name
id_customer
3                  78     product1
7                 100     product4
9                 109     product5

In [23]: g[['id_order', 'product_name']].nth(1)
Out[23]:
             id_order product_name
id_customer
3                  79     product2

In [24]: a = g[['id_order', 'product_name']].nth(0)
         b = g[['id_order', 'product_name']].nth(1)

In [25]: pd.concat([a, b], axis=1)
Out[25]:
             id_order product_name  id_order product_name
id_customer
3                  78     product1        79     product2
7                 100     product4       NaN          NaN
9                 109     product5       NaN          NaN

【讨论】：