分组后如何将行转换为列（使用自定义名称）？

Question

我正在尝试用pandas获取一些行数据作为列。你知道吗

我最初的dataframe如下所示（包含更多的列）。对于同一个员工，大多数数据都会重复，但有些信息会发生变化，如本例中的薪资。员工有不同数量的条目（在这种情况下，员工1有两个条目，2有4个条目，依此类推）。你知道吗

employee_id    salary    other1      other2      other3
1              50000     somedata1   somedata2   somedata3
1              48000     somedata1   somedata2   somedata3
2              80000     somedata20  somedata21  somedata22
2              77000     somedata20  somedata21  somedata22
2              75000     somedata20  somedata21  somedata22
2              74000     somedata20  somedata21  somedata22
3              60000     somedata30  somedata31  somedata32

我正试着得到如下的东西。薪资数据应该跨越几个列，并使用输入较少的员工的最后可用薪资（本例中的重复薪资值）。你知道吗

employee_id    salary   prevsalary1    prevsalary2    prevsalary3    other1      other2      other3
1              50000    48000          48000          48000          somedata1   somedata2   somedata3
2              80000    77000          75000          74000          somedata20  somedata21  somedata22
3              60000    60000          60000          60000          somedata30  somedata31  somedata32

我试过分组

df.groupby(["employee_id"])['salary'].nlargest(3).reset_index()

但我不知道所有的栏目。我找不到办法保存其余的列。我需要和原始数据帧合并、连接或类似的东西吗？你知道吗

另外，我得到了一个名为“level\ u1”的列。我想我可以通过使用reset_index(level=1, drop=True)来摆脱它，但我相信这不会返回数据帧。你知道吗

最后，我想如果我把这个分组做对了，还有一个步骤可以得到列。。。可能使用pivot或unstack？你知道吗

我开始了我的机器学习之旅，我一直在为这一点挠头，我希望你能帮助我：）

正在创建数据集：

df = pd.DataFrame({'emp_id':[1,1,2,2,2,2,3],'salary':[50000,48000,80000,77000,75000,74000,60000]})

df['other1'] =['somedata1','somedata1','somedata20','somedata20','somedata20','somedata20','somedata30']
df['other2'] = df['other1'].apply(lambda x: x+'1')
df['other3'] = df['other1'].apply(lambda x: x+'2')
df

Out[59]:
   emp_id  salary      other1       other2       other3
0       1   50000   somedata1   somedata11   somedata12
1       1   48000   somedata1   somedata11   somedata12
2       2   80000  somedata20  somedata201  somedata202
3       2   77000  somedata20  somedata201  somedata202
4       2   75000  somedata20  somedata201  somedata202
5       2   74000  somedata20  somedata201  somedata202
6       3   60000  somedata30  somedata301  somedata302

Answer 1

先透视薪资表，然后与非薪资数据合并

# first create a copy of the dataset without the salary column
dataset_without_salaries = df.drop('salary', axis=1).drop_duplicates()
# pivot only salary column 
temp = pd.pivot_table(data=df[['salary']], index=df['employee_id'], aggfunc=list)
# expand the list
temp2 = temp.apply(lambda x: pd.Series(x['salary']), axis=1)
# merge the two together
final = pd.merge(temp2, dataset_without_salaries)

Answer 2

一种方法是将^{}与^{}一起使用：

g = df.groupby('employee_id')
cols = g.salary.cumcount()
out = df.pivot_table(index='employee_id', values='salary', columns=cols).ffill(1)
# Crete list of column names matching the expected output
out.columns = ['salary'] + [f'prevsalary{i}' for i in range(1,len(out.columns))]

print(out)
             salary  prevsalary1  prevsalary2  prevsalary3
employee_id                                                
1            50000.0      48000.0      48000.0      48000.0
2            80000.0      77000.0      75000.0      74000.0
3            60000.0      60000.0      60000.0      60000.0

现在我们只需要连接原始数据帧中唯一的other列：

out = out.join(df.filter(like='other').groupby(df.employee_id).first())

print(out)

             salary    prevsalary1  prevsalary2  prevsalary3      other1  \
employee_id                                                               
1            50000.0      48000.0      48000.0      48000.0   somedata1   
2            80000.0      77000.0      75000.0      74000.0  somedata20   
3            60000.0      60000.0      60000.0      60000.0  somedata30   

                 other2      other3  
employee_id                          
1             somedata2   somedata3  
2            somedata21  somedata22  
3            somedata31  somedata32