数据框操作 - 具有条件的新子集数据框中的新列的列属性答案

【问题标题】：dataframe operations - column attributes to new columns in a new subset dataframe with conditions数据框操作 - 具有条件的新子集数据框中的新列的列属性
【发布时间】：2021-04-03 02:36:53
【问题描述】：

我有列类型、日期和金额的数据框 df1。我的目标是使用 df1 中的日期子集创建一个 Dataframe df2，其中每种类型都有一个列，其中类型的数量作为相应日期的值。

输入数据框：
df1 =

,type,Date,amount
0,42,2017-02-01,4
1,42,2017-02-02,5
2,42,2017-02-03,7
3,42,2017-02-04,2
4,48,2017-02-01,6
5,48,2017-02-02,8
6,48,2017-02-03,3
7,48,2017-02-04,6
8,46,2017-02-01,3
9,46,2017-02-02,8
10,46,2017-02-03,3
11,46,2017-02-04,4

如果日期的子集是 2017-02-02 和 2017-02-04，则所需的输出：
df2 =

,Date,42,48,46
0,2017-02-02,5,8,8
1,2017-02-04,2,6,4

我试过这样：

types = list(df1["type"].unique())
dates = ["2017-02-02","2017-02-04"]
df2 = pd.DataFrame()
df2["Date"]=dates
for t in types:
    df2[t] = df1[(df1["type"]==t)&(df1[df1["type"]==t][["Date"]]==df2["Date"])][["amount"]]

但是使用这个解决方案我得到了很多 NaN，看来我的比较条件是错误的。这是我得到的输出：

,Date,42,48,46
0,2017-02-02,,,
1,2017-02-04,,,

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

你可以使用.pivot_table()然后过滤数据：

df2 = df1.pivot_table(
    index="Date", columns="type", values="amount", aggfunc="sum"
)
dates = ["2017-02-02", "2017-02-04"]
print(df2.loc[dates].reset_index())

打印：

type        Date  42  46  48
0     2017-02-02   5   8   8
1     2017-02-04   2   4   6

【讨论】：