groupby，然后将特定行转换为相同数据框中的库尔姆

Question

首先，我有此数据框架：

	ID	年龄	名称	时间
0	1	12	r	Y
1	1	13	C	Y
2	1	14	N	Y
3	1	15	M	想要
4	2	11	L	N
5	2	22	K	N
6	2	33	R	N
7	2	55	L	N

• 首先我 到 Groupby ID （所以我将拥有1组＆amp; 2）

• ，然后从 [age]列中 iD dataframe，我只需要从每个gorup .so的前2行和最后一行。最后一行= 15。当然，我需要为gorup 2和

  做同样的事情
• 。其余的列 [name]＆amp; [time] 在数据框架的goruped中，i 仅需要最后一行，因此对于组（1） ，从[时间]列我需要最后一行，它是=y。

• 到最后，我只有每个ID

  只有一行

这是我的预期/所需输出：

	ID	年龄1岁	年龄3	年龄3	名	时间
0	1	12	13	15	m	y
1	2	11	22	55	l	n

Answer 1

 df1 = df.groupby('ID').agg({'Age':lambda x:list(np.r_[x.head(2),x.tail(1)])})

df1[['name', 'time']] = df.groupby('ID')[['name', 'time']].last()

df1[['Age1', 'Age2', 'Age3']] = pd.DataFrame(df1['Age'].to_list(), index = df1.index)

df1.drop('Age', axis = 1).reset_index()

   ID name time  Age1  Age2  Age3
0   1    m    y    12    13    15
1   2    l    N    11    22    55

Answer 2

尝试 groupby 和 pivot ：

#keep only the needed data
grouped = df.groupby("ID", as_index=False).agg({"Age": lambda x: x.tolist()[:2]+[x.iat[-1]], "name": "last", "time": "last"}).explode("Age")

#get the count for the age columns
grouped["idx"] = grouped.groupby("ID").cumcount().add(1)

#pivot to get the required structure
output = grouped.pivot(["ID","name","time"],"idx","Age").add_prefix("Age").reset_index().rename_axis(None, axis=1)

>>> output
   ID name time Age1 Age2 Age3
0   1    m    y   12   13   15
1   2    l    N   11   22   55