您是否喜欢只有超人才能解决的难题？这是证明这种能力的最终测试。
一家公司可能会在不同时间从多家银行获得不同级别的资金（种子，a）。
让我们先看数据，然后看故事，以更好地了解情况。
import pandas as pd
data = {'id':[1,2,2,3,4],'company':['alpha','beta','beta','alpha','alpha'],'bank':['z', 'x', 'y', 'z', 'j'],
'rd': ['seed', 'seed', 'seed', 'a', 'a'], 'funding': [100, 200, 200, 300, 50],
'date': ['2006-12-01', '2004-09-01', '2004-09-01', '2007-05-01', '2007-09-01']}
df = pd.DataFrame(data, columns = ['id','company', 'round', 'bank', 'funding', 'date'])
df
产量：
id company rd bank funding date
0 1 alpha seed z 100 2006-12-01
1 2 beta seed x 200 2004-09-01
2 2 beta seed y 200 2004-09-01
3 3 alpha a z 300 2007-05-01
4 4 alpha a j 50 2007-09-01
所需输出：
company bank_seed funding_seed date_seed bank_a funding_a date_a
0 alpha z 100 2006-12-01 [z,j] 350 2007-09-01
1 beta [x,y] 200 2004-09-01 None None None
如您所见，我不是一个超人，但我会尽力解释我的思考过程。
让我们看看公司的阿尔法
公司alpha于2006年底首先从z银行获得了100美元的种子资金。几个月后，他们的投资者对他们的进步感到非常满意，因此z银行给了他们资金（再增加300美元！）。但是，Alpha公司需要更多现金，但不得不去一些随机的瑞士银行j生存。银行j不情愿地给了$ 50。好极了！现在，他们从更新的“ a”轮（截至2007年9月）中获得了350美元。
公司测试版非常新。他们从两家不同的银行获得了总计200美元的资金。但是等等...这里没有关于他们的“ a”回合的信息。没关系，我们暂时将“无”放回去。
问题是阿尔法公司糟透了，并从瑞士人那里得到了钱...
这是我无法处理的代码，仅对部分数据起作用-在这里不起作用。
import itertools
unique_company = df.company.unique()
df_indexed = df.set_index(['company', 'rd'])
index = pd.MultiIndex.from_tuples(list(itertools.product(unique_company, list(df.rd.unique()))))
reindexed = df_indexed.reindex(index, fill_value=0)
reindexed = reindexed.unstack().applymap(lambda cell: 0 if '1970-01-01' in str(cell) else cell)
working_df = pd.DataFrame(reindexed.iloc[:,
reindexed.columns.get_level_values(0).isin(['company', 'funding'])].to_records())
如果您知道如何解决部分问题，请继续将其放在下面。预先感谢您抽出宝贵的时间查看此内容！ :)
最后，如果您想看看我的代码是如何工作的。然后，执行此操作，但是您会丢失很多有价值的信息...
df = df.drop_duplicates(subset='id')
df = df.drop_duplicates(subset='rd')
最佳答案
采取预处理步骤，将资金分配给具有相同'id'和'date'的记录
df.funding /= df.groupby(['id', 'date']).funding.transform('count')
然后处理
d1 = df.groupby(['company', 'round']).agg(
dict(bank=lambda x: tuple(x), funding='sum', date='last')
).unstack().sort_index(1, 1)
d1.columns = d1.columns.to_series().map('{0[0]}_{0[1]}'.format)
d1
bank funding date bank funding date
round a a a seed seed seed
company
alpha (z, j) 350.0 2007-09-01 (z,) 100.0 2006-12-01
beta None NaN NaT (x, y) 200.0 2004-09-01
关于python-2.7 - 超人级别-由于重复，Pandas DataFrame重塑，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44079665/