时间戳

首页 > 解决方案 > 将 groupby 变成带有新列的单行

python - 将 groupby 变成带有新列的单行

问题描述

我希望能够将 groupby 转换为单行，但是如果没有足够的数据，该 groupby 中第二列的值将被聚合到新列或 -99 中。

在我们使用此输入按 session_id 分组后：

             user_id     session_id   timestamp  step  impressions   n_clicks
0       004A07DM0IDW  1d688ec168932  1541555799     7      2059240        5.0
1       004A07DM0IDW  1d688ec168932  1541555799     7      2033381        3.0
2       004A07DM0IDW  1d688ec168932  1541555799     7      1724779        4.0
3       004A07DM0IDW  1d688ec168932  1541555799     7       127131        2.0
4       004A07DM0IDW  1d688ec168932  1541555799     7       399441        1.0
5       004A07DM0IDW  1d688ec168932  1541555799     7       103357        3.0
6       004A07DM0IDW  1d688ec168932  1541555799     7       127132        3.0
7       004A07DM0IDW  1d688ec168932  1541555799     7      1167004        1.0
8       004A07DM0IDW  1d688ec168932  1541555799     7      4491766        4.0
9       004A07DM0IDW  1d688ec168932  1541555799     7      2249874        5.0
10      00Y1Z24X8084  26b6d294d66e7  1541651823     3      4476010        4.0
11      00Y1Z24X8084  26b6d294d66e7  1541651823     3      3843244        5.0

我想产生这个输出

             user_id     session_id   timestamp  step  count_0 count_1 count_2 count... count_24
0       004A07DM0IDW  1d688ec168932  1541555799     7      5.0     3.0    4.0    2.0         -99
1       00Y1Z24X8084  26b6d294d66e7  1541555799     3      4.0     5.0    -99    -99         -99

我们正在寻找的是user_id session_id timestamp step每一行的 总是相同的。然而，印象是不同的。对于每一行（最多 25 行），click 列中的值映射到 a count_x，但是，如果行数不足，则后续值将采用 -99。

由于第一个 groupby 帧中有 10 行，这意味着列count_10将count_24具有 -99 作为值。对于第二个 groupby 框架count_2列count_24具有 -99。

标签： pythonpython-3.xpandaspandas-groupby

解决方案

利用：

cols = ['user_id','session_id','timestamp','step']
df['g'] = df.groupby(cols).cumcount()
df = (df.set_index(cols + ['g'])['n_clicks']
        .unstack(fill_value=-99)
        .reindex(range(25), fill_value=-99, axis=1)
        .add_prefix('count_')
        .reset_index()
        .rename_axis(None, axis=1))
print (df)
        user_id     session_id   timestamp  step  count_0  count_1  count_2  \
0  004A07DM0IDW  1d688ec168932  1541555799     7      5.0      3.0      4.0   
1  00Y1Z24X8084  26b6d294d66e7  1541651823     3      4.0      5.0    -99.0   

   count_3  count_4  count_5  ...  count_15  count_16  count_17  count_18  \
0      2.0      1.0      3.0  ...       -99       -99       -99       -99   
1    -99.0    -99.0    -99.0  ...       -99       -99       -99       -99   

   count_19  count_20  count_21  count_22  count_23  count_24  
0       -99       -99       -99       -99       -99       -99  
1       -99       -99       -99       -99       -99       -99  

[2 rows x 29 columns]

说明：

  1. GroupBy.cumcount为计数器创建列
  2. 创建 MultiIndexDataFrame.set_index并重塑Series.unstack
  3. range(25)按by添加缺失的列DataFrame.reindex
  4. 重命名列名DataFrame.add_prefix
  5. 最后一次清洁 -DataFrame.rename_axis与 DataFrame.reset_index

推荐阅读