將數據框中的列的行創建為另一個數據框中的列

Question

我有兩個熊貓數據框：

Dataframe 1: 
Id                                    TOTAL_CLAIM_COST
023248db-5e9c-42f3-a9fd-4133bee82844    129.16
b851d7d4-813a-4be2-97b6-f16a347628c6    50.00

Dataframe 2: 
Id                                     CODE
023248db-5e9c-42f3-a9fd-4133bee82844    3
023248db-5e9c-42f3-a9fd-4133bee82844    1
023248db-5e9c-42f3-a9fd-4133bee82844    2

期望輸出：

Dataframe 3: 
Id                                    TOTAL_CLAIM_COST CODE_1  CODE_2  CODE_3
023248db-5e9c-42f3-a9fd-4133bee82844    129.16          3        1       2
b851d7d4-813a-4be2-97b6-f16a347628c6     50.0           NaN      NaN     Nan

我如何實現這一目標？ 我在 Dataframe 1 中有 50K 行，在 Dataframe 2 中有大約 10K 行。其次，是否有一種 pythonic 方法來代替循環？

========

玩完之后，我能夠使用 for 循環解決這個問題。 然而，從性能的角度來看，它是非常低效的。 有人可以幫我知道如何用pythonic方式替換解決方案中的for循環嗎？

無效的解決方法：

import pandas as pd

data1 = [{'Id': '023248db-5e9c-42f3-a9fd-4133bee82844', 'TOTAL_CLAIM_COST':129.16}, {'Id': 'b851d7d4-813a-4be2-97b6-f16a347628c6', 'TOTAL_CLAIM_COST':50.00}]
df1 = pd.DataFrame(data1)

data2 = [{'Id': '023248db-5e9c-42f3-a9fd-4133bee82844', 'CODE':3}, {'Id': '023248db-5e9c-42f3-a9fd-4133bee82844', 'CODE':1},{'Id': '023248db-5e9c-42f3-a9fd-4133bee82844', 'CODE':2},{'Id': '02eb040d-a1be-4f00-b6cc-eeda3e0b939f', 'CODE':8},{'Id': '02eb040d-a1be-4f00-b6cc-eeda3e0b939f', 'CODE':9}]
df2 = pd.DataFrame(data2)

df2['COUNT'] = df2.groupby('Id')['Id'].transform('count')
num = df2['COUNT'].max()

for i in range(num):
    col_name = 'CODE' + '_' + str(i)
    df3[col_name] = 0

counter = 0
for index, row in df3.iterrows():

    counter = 0

    df4 = df2[df2['Id'] == row['Id']]

    for index2, row2 in df4.iterrows():
        if counter < num:
            col_name = '''''' + 'CODE' + '_' + str(counter) + ''''''
            df3.at[index,col_name] = row2['CODE']
            counter += 1

輸出：

Answer 1

這是指向具有多種解決方案的另一個線程的鏈接。

Pandas - 在 groupby 后將列轉換為新行

這是基於該線程的解決方案（不確定您的解決方案中的 70 在哪里）。

df=pd.pivot_table(df2,index=['Id'],columns=df2.groupby(['Id']).cumcount().add(1),values=['CODE']).fillna(0)
df.columns=df.columns.map('{0[0]}_{0[1]}'.format) 
final_df = pd.concat([df,df1.set_index('Id')],axis=1).fillna(0).reset_index().rename(columns={'index':"Id"})
print(final_df)

                                        Id  CODE_1  CODE_2  CODE_3  TOTAL_CLAIM_COST
0  023248db-5e9c-42f3-a9fd-4133bee82844    3.0    1.0    2.0            129.16
1  02eb040d-a1be-4f00-b6cc-eeda3e0b939f    8.0    9.0    0.0              0.00
2  b851d7d4-813a-4be2-97b6-f16a347628c6    0.0    0.0    0.0             50.00