带条件的Python数据透视

Question

假设我有以下数据帧：

^{tb1}$

我希望能够转向这样的内容，值包含><被放入类似的列中，与结果\u Num的情况相同：

|ClassID| TA  |Anna|Tony|Sam|Theo|
|-------|-----|----|----|---|----|
|123    |Clark|    |    |<45|    |
|456    |Boris|89  |>87 |   |67  |

我知道，通过熊猫，df.pivot允许我们这样做

df.pivot(index="ClassID", columns="Name",values="Result_Str")
df.pivot(index="ClassID", columns="Name",values="Result_Num")

但是，值是否可以根据Result_Num或Result_Str是否定义/不等于“”来设置条件

谢谢

Answer 1

在pivot之前，您必须准备好数据帧。首先，（1）创建一个布尔掩码以查找不在右列中的值并移动它们。然后，（2A）将数据帧拆分为两个子数据帧：一个子数据帧用于Result_Str列，另一个子数据帧用于Result_Num列，并（2B）对它们进行透视。最后，（3）合并ClassID列上的2个数据帧：

# (1)
m = df['Result_Str'].str[0].isin(['<', '>'])
df.loc[m, 'Result_Num'], df.loc[m, 'Result_Str'] = df.loc[m, 'Result_Str'], np.nan

# (2A)
df1 = df.loc[df['Result_Str'].notna()].drop(columns='Result_Num')
df2 = df.loc[df['Result_Num'].notna()].drop(columns='Result_Str')

# (2B)
df1 = df1.pivot(index='ClassID', columns='Name', values='Result_Str')
df2 = df2.pivot(index='ClassID', columns='Name', values='Result_Num')

# (3)
out = pd.merge(df1, df2, on='ClassID').rename_axis(columns=None).reset_index()

输出结果：

>>> out
   ClassID     TA  Anna  Sam  Theo Tony
0      123  Clark   NaN  <45   NaN  NaN
1      456  Boris  89.0  NaN  67.0  >87