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

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

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