使用熊猫重新排列表格

Question

我有一张包含客户 ID 和电子邮件的表格。 一些用户有多个电子邮件。 该表看起来像这样：

| Customer  | Email          |
| ----------| -------------- |
| 1         | jdoe@mail.com  |
| 2         | jane1@mail.com |
| 3         | adam@mail.com  |
| 1         | john_d@mail.com|

我想要做的是重新排列表格，使每个客户 ID 只有一行，并将辅助电子邮件添加为附加列。 像这样的东西：

| Customer  | Email1         |Email2         |
| ----------| -------------- |---------------|
| 1         | jdoe@mail.com  |john_d@mail.com
| 2         | jane1@mail.com |               |
| 3         | adam@mail.com  |               |

使用熊猫做到这一点的最佳方法是什么？ 我试过使用 df.pivot 但这似乎对我不起作用。

Answer 1

您可以使用Series.duplicated() + pd.merge() + DataFrame.drop_duplicates()

# We get the Customers with more than one email.
df_seconds_email = df[df['Customer'].duplicated()]

# We merge your original dataframe (I called it 'df') and the above one, suffixes param help us to get
# 'Email2' column, finally we drop duplicates taking into account 'Customer' column.
df = pd.merge(df, df_seconds_email, how='left', on=['Customer'], suffixes=('', '2')).drop_duplicates(subset='Customer')
print(df)

输出：

    Customer    Email          Email2
0      1    jdoe@mail.com   john_d@mail.com
1      2    jane1@mail.com      NaN
2      3    adam@mail.com       NaN

Answer 2

您可以使用cumcount来创建 MultiIndex。 然后重塑通过使用数据unstack通过，并添加改变列名add_prefix ：

    df = (df.set_index(['Customer',df.groupby('Customer').cumcount()])['Email']
        .unstack()
        .add_prefix('Email')
        .reset_index())
    print(df)

你会得到你想要的。