Python Pandas 数据添加列而不是行并维护每个原始数据集的列顺序

Question

我有一个小数据集，我需要通过在同一行上显示所有相关记录（通过 ID 相关）来重塑布局。 一旦我 Pivot pandas 中的数据，列的顺序就会发生变化，如下面的第二张图片所示。 请问如何将列的顺序保持为原始数据集的顺序？

原始数据集

import pandas as pd

df = pd.DataFrame({
'ID':[33,33,3,21,21,3,33],
'FirstName':['Joseph','Mary','Abram','Peter','John','Daniel','Cat'],
'LastName':['JosephL','MaryL','AbramL','PeterL','JohnL','DanielL','CatL'],
'CAR':['BMW','MB','Opel','Fiat','VW','','Ford'],
'Salary':[1250,3254,2599,4566,7855,9999,7500]
})

结果

旋转数据以将相关记录堆叠为新列而不是新行。

g = df.groupby(['ID']).cumcount().add(1) 
df = df.set_index(['ID',g]).unstack(fill_value=0).sort_index(axis=1,level=1)
df.columns=["{}{}".format(a,b) for a,b in df.columns]
df = df.reset_index()
df

顺序不对，应该是 FirstName, LastName, Salary, Car, FirstName, LastName, Salary, Car, FirstName, LastName, Salary, Car...etc

Answer 1

您可以在定义自定义列索引后使用pivot_table ：

vals = ['FirstName', 'LastName', 'CAR', 'Salary']
idx = df.groupby('ID').cumcount().add(1).astype(str)
out = (df.pivot_table(index='ID', columns=idx, values=vals, aggfunc='first', fill_value=0)
         .sort_index(level=1, axis=1).reset_index())
out.columns = out.columns.to_flat_index().map(''.join)
print(out)

# Output
   ID  CAR1 FirstName1 LastName1  Salary1 CAR2 FirstName2 LastName2  Salary2  CAR3 FirstName3 LastName3  Salary3
0   3  Opel      Abram    AbramL   2599.0          Daniel   DanielL   9999.0   NaN        NaN       NaN      NaN
1  21  Fiat      Peter    PeterL   4566.0   VW       John     JohnL   7855.0   NaN        NaN       NaN      NaN
2  33   BMW     Joseph   JosephL   1250.0   MB       Mary     MaryL   3254.0  Ford        Cat      CatL   7500.0