0

Tengo la siguiente base en pd.DataFrame:

Index ID  Date     Days     Name
1     1   5-1-20   10       Josh
2     1   9-1-20   10       Josh
3     1   19-1-20  6        Josh
4     2   1-1-20   10       Mike
5     3   1-4-20   10       George
6     4   1-2-20   10       Rose
7     4   11-5-20  5        Rose
8     5   1-9-20   10       Mark
9     6   1-4-21   10       Joe
10    7   1-1-21   10       Jill

Y deseo que los ID no se me repitan en la base de datos, expandiendo las columnas Date y Days según lo que sea necesario. En este caso, 3 columnas de Dates y 3 columnas de days, ya que el ID 1 es el que mas se repite. El resultado deseado seria el siguiente:

Index ID  Date 1   Date 2  Date 3   Days1  Days2   Days3  Name
1     1   5-1-20   9-1-20  19-1-20  10     10      6      Josh
2     2   1-1-20                    10                    Mike
3     3   1-4-20                    10                    George
4     4   1-2-20   11-5-20          10     5              Rose
5     5   1-9-20                    10                    Mark
6     6   1-4-21                    10                    Joe
7     7   1-1-21                    10                    Jill

1 respuesta 1

1

Lo primero que debes hacer es agrupar tu dataframe por los identificadores que quieras, en este caso ID y Name, utilizando list como función para agregar las columnas que quieres expandir

df = df.groupby(['ID', 'Name']).agg({'Date': list, 'Days': list}).reset_index()

Esto te genera un dataframe de este tipo:

ID Name Date Days
1 Josh ['5-1-20', '9-1-20', '19-1-20'] [10, 10, 6]
2 Mike ['1-1-20'] [10]
3 George ['1-4-20'] [10]
4 Rose ['1-2-20', '11-5-20'] [10, 5]
5 Mark ['1-9-20'] [10]
6 Joe ['1-4-21'] [10]
7 Jill ['1-1-21'] [10]

Ahora, para expandir esas listas a columnas podemos hacer una pequeña función que calcule el número de columnas resultantes y genere un dataframe con la serie de esa columna. Para esto podemos utilizar el método toList() y luego añadir esas columnas a nuestro dataframe existente.

def expand(column, d):
    expanded = pd.DataFrame(d[column].tolist(), index=d.index)  # creamos un df tomando como base la serie
    expanded.columns = [f'{column} {int(x)+1}' for x in expanded.columns]  # renombramos las columnas
    return pd.concat([d, expanded], axis=1).drop(columns=[column])  # Unimos los dos dfs y eliminamos la columna

Ahora sólo deberíamos llamar a nuestra función para cada columna que queramos expandir:

df = expand('Date', df)
df = expand('Days', df)

Todo el script sería simplemente:

def expand(column, d):
    expanded = pd.DataFrame(d[column].tolist(), index=d.index)
    expanded.columns = [f'{column} {int(x)+1}' for x in expanded.columns]
    return pd.concat([d, expanded], axis=1).drop(columns=[column])


df = df.groupby(['ID', 'Name']).agg({'Date': list, 'Days': list}).reset_index()
df = expand('Date', df)
df = expand('Days', df)

El resultado sería el siguiente (quitando los nan):

ID Name Date 1 Date 2 Date 3 Days 1 Days 2 Days 3
1 Josh 5-1-20 9-1-20 19-1-20 10 10 6
2 Mike 1-1-20 10
3 George 1-4-20 10
4 Rose 1-2-20 11-5-20 10 5
5 Mark 1-9-20 10
6 Joe 1-4-21 10
7 Jill 1-1-21 10

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.