熊猫-将不平衡的面板数据转换为横截面

Question

事实上，我不确定这是否是横截面，因为它已经过了一段时间，但我认为它仍然是。

我有一个数据框架，如下所示：

Player          Finish  Tournament  Year    id
------------------------------------------------
Aaron Baddeley  9       Memorial    2012    1
Aaron Baddeley  17      Masters     2013    1
Aaron Watkins   15      US Open     2012    2
Adam Scott      9       US Open     2014    3
Adam Scott      4       Memorial    2014    3
Alex Cejka      8       US Open     2010    4
Andres Romero   2       Memorial    2012    5
Andrew Svoboda  19      Memorial    2014    6
Andy Sullivan   13      Memorial    2015    7

我希望将这些数据转换为单个观测，并提供如下所需的输出：

Player           2012_Memorial    2013_Memorial    2014_Memorial   ...  id
----------------------------------------------------------------------------
Aaron Baddeley        9                 17              2012             1
Adam Scott            NA                NA               9               3 
.
. 
.

我发现了split-apply-combine范例，它看起来很有前途。但即使在表面上，我也做了df.groupby('id')，并有一个print语句输出如下：

               Player  Finish Tournament  Year 
id                                                                        
1      Aaron Baddeley       9   Memorial  2012 
2       Aaron Watkins      15    US Open  2012 
3          Adam Scott       9    US Open  2014 

所以它似乎已经崩溃了，但我现在失去了数据？或者，对象现在是如何存储的？我意识到我还没有完成应用阶段，这可能是我将如何生成新行和新列，但我不知道下一步，或者是否有类似的菜谱示例。

谢谢，贾里德

Answer 1

看起来，您正在寻找一种执行pivot_table操作的方法。

从表的近似值开始：

df = pd.DataFrame({
    'player': ['ab', 'ab', 'aw', 'as', 'as'],
    'finish': [9, 17, 15, 9, 4],
    'tournament': ['m', 'm', 'us', 'us', 'm'],
    'year': [12, 13, 12, 12, 14],
    'id': [1, 1, 2, 3, 3]})

给予：

>> df
        finish  id  player  tournament  year
0   9   1   ab  m   12
1   17  1   ab  m   13
2   15  2   aw  us  12
3   9   3   as  us  12
4   4   3   as  m   14

你可以跑

>> df.pivot_table(values='finish', index=['player', 'id'], columns=['year', 'tournament'])
    year    12  13  14
    tournament  m   us  m   m
player  id              
ab  1   9   NaN     17  NaN
as  3   NaN     9   NaN     4
aw  2   NaN     15  NaN     NaN

请注意，它为您提供了一个多层次的年份/锦标赛列。我个人认为这是更干净的，但你可以很容易的flatten it。