从熊猫分组数据的子组中尝试新列，loc函数问题

Question

我正在尝试从'data‘的子组(Service_id)中编写新的列，并获得'count’值。

我的数据：

count | service_id | date  
  2  ------------        8  -------     15-11  
  5  ------------        2    -------   15-11  
  4         ------------ 5 -------      15-11  
  3        ------------  3    -------   16-11  
  2         ------------ 8   -------    16-11  
  1    ------------      2     -------  17-11  

期望产出：

--date--|---2---|---3---|---5---|---8-  ##new headers are the subgroups 'service_id'  
-15-11----5---------------4-------2  
-16-11-------------3---------------2  
-17-11----1------------------------- 

对不起，我不知道这里怎么写桌子。

我试过：

• 列出变量的所有唯一service_id。A= '2'，'3'，'5，'8‘
• 列出变量的所有唯一日期。B= '15-11'，'16-11'，'17-11‘

然后是几个for循环和if的。

for num, row in df7.iterrows():
    for elem in b:
        if row['date'] == elem:
            aux1 = str(elem)
            df9.loc[num].data = aux1
            for memb in a:
                if row['service_id'] == memb:
                    aux = str(memb)
                    df9.loc[num].aux = row['count']

我在这段代码中发现了一些错误，我想我还不知道如何使用loc函数。

这是输出错误：

KeyError：“标签不在索引中”

但任何其他解决方案都是受欢迎的。谢谢!

Answer 1

我试着像这样得到想要的输出。

grouped = df.groupby('service_id')
new_df = pd.DataFrame()
​
for g, n in grouped:
    g_i = grouped.get_group(g)
    date_ = g_i.date

    for i, e in enumerate(date_):
        new_df.loc[e, 'date'] = e
        new_df.loc[e, g] = list(g_i.count1)[i]
​
new_df = new_df.reset_index(drop=True)
print (new_df)

    date    2    3    5    8
0  15-11  5.0  NaN  4.0  2.0
1  17-11  1.0  NaN  NaN  NaN
2  16-11  NaN  3.0  NaN  2.0