如何修改数据帧，使每行存储其重复行的所有数据？

Question

我有这个数据帧有三列（ID，key和word）

ID key word 
0 1 A Apple 
1 1 B Bug 
2 2 C Cat 
3 3 D Dog 
4 3 E Exogenous 
5 3 E Egg 

我想创造更多的key和word列-as necessary-将数据存储在key和word列时，有与重复行IDs

这是输出的一个片段

ID key_0 key_1 word_0 word_1 
0 1  A  B Apple  Bug 

注：在上面的输出中，ID＃1在数据帧出现过两次，所以与重复ID相关的"key"值"B"将存储在新列"key_1"。在复制ID＃1中找到的字Bug也将被存储在新列word_1中。

完整的输出应该像下面这样：在完整的输出

ID key_0 key_1 key_2 word_0  word_1 word_2 
0 1  A  B  NaN Apple   Bug  NaN 
1 2  C NaN  NaN  Cat   NaN  NaN 
2 3  D  E  E  Dog  Exogenous  Egg 

通知，ID＃3已经重复三次。第二个重复"E"的key将存储在"key_1"列下，第三个重复"E"将存储在新列"key_2"中。这适用于同一个mannar中的文字"Exogenous"和"Egg"。

我发现Alex's解决方案是有用的，但它仅适用于该key列：

df.groupby('ID')['key'].apply(
lambda s: pd.Series(s.values, index=['key_%s' % i for i in range(s.shape[0])])).unstack(-1) 

任何想法，我怎样才能使lambda函数适用于这两个key和word列？

谢谢

Answer 1

df2 = df.set_index('ID').groupby(level=0).apply(lambda df: df.reset_index(drop=True)).unstack() 
df2.columns = df2.columns.set_levels((df2.columns.levels[1]).astype(str), level=1) 
df2.columns = df2.columns.to_series().str.join('_') 
df2 

Answer 2

可以使用Alex的解决方案后，使用CONCAT：

df1 = df.groupby('ID')['key'].apply(
lambda s: pd.Series(s.values, index=['key_%s' % i for i in range(s.shape[0])])).unstack(-1) 

df2 = df.groupby('ID')['word'].apply(
lambda s: pd.Series(s.values, index=['word_%s' % i for i in range(s.shape[0])])).unstack(-1) 

df3 = pd.DataFrame({'ID':df['ID'].unique()}) 

df_new = pd.concat([df1,df2,df3],axis=1) 

Answer 3

与pivot_table另一种解决方案：

df['cols'] = df.groupby('ID')['ID'].cumcount().astype(str) 
df1 = df.pivot_table(index='ID', columns='cols', values=['key','word'], aggfunc=''.join) 
df1.columns = ['_'.join(col) for col in df1.columns] 
print (df1) 
    key_0 key_1 key_2 word_0  word_1 word_2 
ID           
1  A  B None Apple  Bug None 
2  C None None Cat  None None 
3  D  E  E Dog Exogenous Egg