从您的示例数据开始
In [3]: df
Out[3]:
foo bar Type ID Index Value
25090 x 9 A 0 0 23272000
25090 x 5 A 0 0 23272000
25091 x 3 A 1 0 22896000
25092 x 3 B 0 1 20048000
25093 y 6 A 0 0 19760000
25092 y 4 B 0 1 20823342
通过应用连接每个行标识符join
逐行。
In [4]: identifier = df[['Type', 'ID', 'Index']].apply(
lambda x: '_'.join(map(str, x)), axis=1)
从您的值列创建一个系列,并通过标识符和 foo 对其进行索引。
In [5]: v = df['Value']
In [6]: v.index = pd.MultiIndex.from_arrays([df['foo'], identifier])
In [7]: v
Out[7]:
foo
x A_0_0 23272000
A_0_0 23272000
A_1_0 22896000
B_0_1 20048000
y A_0_0 19760000
B_0_1 20823342
Name: Value, dtype: int64
将其解开,并将其加入到“foo”上的原始 DataFrame 中。
In [8]: df[['foo', 'bar']].join(v.drop_duplicates().unstack(), on='foo')
Out[8]:
foo bar A_0_0 A_1_0 B_0_1
25090 x 9 23272000 22896000 20048000
25090 x 5 23272000 22896000 20048000
25091 x 3 23272000 22896000 20048000
25092 x 3 23272000 22896000 20048000
25093 y 6 19760000 NaN 20823342
25092 y 4 19760000 NaN 20823342
请注意,我将重复项放入v
在拆开它之前。这是至关重要的。如果数据集中任何位置的相同标识符具有不同的值,则会遇到麻烦。
小要点:您的示例输出中有一行 (25094) 在您的示例输入中丢失。另外,我的输出中的 NaN 是有意义的:当 foo='y' 时,A_1_0 未指定任何值。