熊猫将列按组转换为多个

Question

我有两种情况，一种是类别标识，另一种是类别值。由于这些值对于不同类别具有不同的含义，因此我想提取这些值以分隔列。因此，例如，我想

+----+--------+ 
| id | value | 
+----+--------+ 
| 1 |  1 | 
| 1 |  2 | 
| 2 |  1 | 
| 2 |  2 | 
| 3 |  1 | 
| 3 |  2 | 
+----+--------+ 

转换成这样：

+----+---------+---------+---------+ 
| id | value_1 | value_2 | value_3 | 
+----+---------+---------+---------+ 
| 1 |  1 |  0 |  0 | 
| 1 |  2 |  0 |  0 | 
| 2 |  0 |  1 |  0 | 
| 2 |  0 |  2 |  0 | 
| 3 |  0 |  0 |  1 | 
| 3 |  0 |  0 |  2 | 
+----+---------+---------+---------+ 

我敢肯定，我可以做一些numpy的风格操作做到这一点，但我想获得一个更好的把握熊猫，并想以熊猫的方式做到这一点。

我的天真猜测是使用groupby，但我不知道如何从中生成多列。东西沿线

data.groupby('id').agg({'value': something}) 

任何帮助，将不胜感激。

Answer 1

可以使用get_dummies()和value列相乘：

In [58]: df[['id']] \ 
      .join(pd.get_dummies(df['id']).mul(df['value'], axis=0).add_prefix('value_')) 
Out[58]: 
    id value_1 value_2 value_3 
0 1  1  0  0 
1 1  2  0  0 
2 2  0  1  0 
3 2  0  2  0 
4 3  0  0  1 
5 3  0  0  2 

说明：

In [53]: pd.get_dummies(df['id']) 
Out[53]: 
    1 2 3 
0 1 0 0 
1 1 0 0 
2 0 1 0 
3 0 1 0 
4 0 0 1 
5 0 0 1 


In [52]: pd.get_dummies(df['id']).mul(df['value'], axis=0) 
Out[52]: 
    1 2 3 
0 1 0 0 
1 2 0 0 
2 0 1 0 
3 0 2 0 
4 0 0 1 
5 0 0 2