Skip to main content
 首页 » 编程设计

python之Pandas ,在 groupby 之后创建列

2025年05月04日10bhlsheji

关于 Pandas DataFrame 'test_df':

 id_customer   id_order   product_name 
    3             78        product1 
    3             79        product2 
    3             80        product3 
    7             100       product4 
    9             109       product5 

在 'id_customer' 上进行 groupby 之后如何获得:

 id_customer order_1     order_2   product_name_1   product_name_2 
    3          78           79           product1         product2 
    7          100                       product4       
    9          109                       product5 

目标是检索 2 和 groupby 之后匹配每个 'id_customer' 的行数之间的最小值,然后,如果可能的话,填写以上所有字段。

我开始了

def order_to_col(my_dataframe_df,my_list): 
  for num in range(0,min(len(my_list),2)): 
    my_dataframe_df['order_'+str(num)] = my_list[num] 
 
test_df = test_df.groupby('id_customer').apply(lambda x: order_to_col(test_df,list(x.id_order))) 

但我确定这不是好方法

请您参考如下方法:

注意:我建议使用 head 而不是使用多列:

In [11]: g = df.groupby('id_customer') 
 
In [12]: g.head(2) 
Out[12]: 
   id_customer  id_order product_name 
0            3        78     product1 
1            3        79     product2 
3            7       100     product4 
4            9       109     product5 

您可以使用 nth 组合第 0 和第 1,然后连接这些:

In [21]: g = df.groupby('id_customer') 
 
In [22]: g[['id_order', 'product_name']].nth(0) 
Out[22]: 
             id_order product_name 
id_customer 
3                  78     product1 
7                 100     product4 
9                 109     product5 
 
In [23]: g[['id_order', 'product_name']].nth(1) 
Out[23]: 
             id_order product_name 
id_customer 
3                  79     product2 
 
In [24]: a = g[['id_order', 'product_name']].nth(0) 
         b = g[['id_order', 'product_name']].nth(1) 
 
In [25]: pd.concat([a, b], axis=1) 
Out[25]: 
             id_order product_name  id_order product_name 
id_customer 
3                  78     product1        79     product2 
7                 100     product4       NaN          NaN 
9                 109     product5       NaN          NaN