为重复的记录创建新列：Python

Question

我有一个输入文件，正在以这种形式的运行时生成 ：情况1：

ID,Numbers,P_ID,Cores,Count
1,1234567890,A1,200,3
2,1234567890,A2,150,3
3,0123459876,A3,1000,1

生成的文件也可以采用以下格式：情况2：

ID,Numbers,P_ID,Cores,Count
1,1234567890,A1,200,3
3,0123459876,A3,1000,1

预期输出：情况1：

 Numbers  ID_1 P_ID_1  Cores_1  Count_1  ID_2 P_ID_2  Cores_2  Count_2
 0   123459876     3     A3     1000        1   NaN   None      NaN      NaN
 1  1234567890     1     A1      200        3   2.0     A2    150.0      3.0

情况2：

Numbers  ID_1 P_ID_1  Cores_1  Count_1  ID_2 P_ID_2  Cores_2  Count_2
0   123459876     3     A3     1000        1   NaN   None      NaN      NaN
1  1234567890     1     A1      200        3   Nan   None      Nan      Nan

在输入文件中，可能有0或1或2行（但绝对不能超过2行）具有相同的Number（1234567890）。 我试图将这两行总结为1个单行（如输出文件中所示）。

我想将输入文件转换为上述结构，该怎么做？ 我真的是熊猫新手。 请您提供帮助。 提前致谢。

在情况2中：

输出文件的结构必须保持相同，即列名应相同。

Answer 1

我认为您需要：

• 首先创建新列cumcount计数Numbers

• 然后通过重塑set_index + unstack

• 列中的MultiIndex转换为具有列表理解的Index

---

df['g'] = df.groupby('Numbers').cumcount()
df = df.set_index(['Numbers', 'g']).unstack().sort_index(axis=1, level=1)
df.columns = ['_'.join((x[0], str(x[1] + 1))) for x in df.columns]
df = df.reset_index()
print (df)
      Numbers  ID_1 P_ID_1  Cores_1  Count_1  ID_2 P_ID_2  Cores_2  Count_2
0   123459876   3.0     A3   1000.0      1.0   NaN   None      NaN      NaN
1  1234567890   1.0     A1    200.0      3.0   2.0     A2    150.0      3.0

编辑：

可以使用自定义函数将其转换为int ，该函数仅在没有error进行转换-因此具有NaN的列不会更改：

def f(x):
    try:
        return x.astype(int)
    except (TypeError, ValueError):
        return x

df['g'] = df.groupby('Numbers').cumcount()
df1 = df.set_index(['Numbers', 'g']).unstack().sort_index(axis=1, level=1)
df1.columns = ['_'.join((x[0], str(x[1] + 1))) for x in df1.columns]
df1 = df1.apply(f).reset_index()
print (df1)
      Numbers  ID_1 P_ID_1  Cores_1  Count_1  ID_2 P_ID_2  Cores_2  Count_2
0   123459876     3     A3     1000        1   NaN   None      NaN      NaN
1  1234567890     1     A1      200        3   2.0     A2    150.0      3.0

EDIT1：

每个组必须有1或2行，因此可以使用reindex_axis ：

def f(x):
    try:
        return x.astype(int)
    except (TypeError, ValueError):
        return x

df['g'] = df.groupby('Numbers').cumcount()
df1 = df.set_index(['Numbers', 'g']).unstack().sort_index(axis=1, level=1)
df1.columns = ['_'.join((x[0], str(x[1] + 1))) for x in df1.columns]
cols = ['ID_1','P_ID_1','Cores_1','Count_1','ID_2','P_ID_2','Cores_2','Count_2']
df1 = df1.apply(f).reindex_axis(cols, axis=1).reset_index()
print (df1)
      Numbers  ID_1 P_ID_1  Cores_1  Count_1  ID_2  P_ID_2  Cores_2  Count_2
0   123459876     3     A3     1000        1   NaN     NaN      NaN      NaN
1  1234567890     1     A1      200        3   NaN     NaN      NaN      NaN