Split и откинуть кадр данных

Question

У меня есть кадр панды данных с ниже значений:

df1 = pd.DataFrame([[2, 2, 2, 2, 2, 2, 2, 2, 2, 2], [1, 1, 2, 2, 3, 3, 4, 4, 5, 5], [2000, 2000, 2000, 5000, 2000, 5000, 2000, 5000, 2000, 5000], [0, 3, 0, 3, 0, 3, 0, 3, 0, 3], [233, 233, 96, 96, 53, 53, 29, 29, 24, 24], [251.109065, 251.109065, 300.141548, 412.916402, 291.836682, 394.260558, 327.351227, 478.924355, 371.598847, 574.811102], [18.858343, 18.858343, 67.874851, -127.405555, 58.692756, -148.001670, 95.252774, -63.949017, 136.983014, 26.888185]]).T 


df1.columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6', 'col7'] 

df1 

    col1 col2 col3 col4 col5  col6  col7 
0  2  1 2000  0 233 251.109065 18.858343 
1  2  1 2000  3 233 251.109065 18.858343 
2  2  2 2000  0 96 300.141548 67.874851 
3  2  2 5000  3 96 412.916402 -127.405555 
4  2  3 2000  0 53 291.836682 58.692756 
5  2  3 5000  3 53 394.260558 -148.001670 
6  2  4 2000  0 29 327.351227 95.252774 
7  2  4 5000  3 29 478.924355 -63.949017 
8  2  5 2000  0 24 371.598847 136.983014 
9  2  5 5000  3 24 574.811102 26.888185 

Теперь на основе комбинации значений из col1 и col2 Я хочу разделить col3 как две отдельные столбцы со значениями из COL4. И на основе этого col6 и col7 также необходимо разделить на два отдельных столбца соответственно. Так что мой полученный dataframe должны быть такими:

df2 = pd.DataFrame([[2, 2, 2, 2, 2], [1, 2, 3, 4, 5], [2000, 2000, 2000, 2000, 2000], [2000, 5000, 5000, 5000, 5000], [233, 96, 53, 29, 24], [251.109065, 300.141548, 291.836682, 327.351227, 371.598847], [251.109065, 412.916402, 394.260558, 478.924355, 574.811102], [18.858343, 67.874851, 58.692756, 95.252774, 136.983014], [18.858343, -127.405555, -148.00167, -63.949017, 26.888185]]).T 


df2.columns = ['col1', 'col2', 'col3_0', 'col3_3', 'col5', 'col6_0', 'col6_3', 'col7_0', 'col7_3'] 

df2 

    col1 col2 col3_0 col3_3 col5  col6_0  col6_3  col7_0  col7_3 
0  2  1 2000 2000 233 251.109065 251.109065 18.858343 18.858343 
1  2  2 2000 5000 96 300.141548 412.916402 67.874851 -127.405555 
2  2  3 2000 5000 53 291.836682 394.260558 58.692756 -148.001670 
3  2  4 2000 5000 29 327.351227 478.924355 95.252774 -63.949017 
4  2  5 2000 5000 24 371.598847 574.811102 136.983014 26.888185 

Обратите внимание, что «0» и «3» являются значения от COL4, и это используется как суффикс для новых столбцов: col3_0, col3_3col6_0, col6_3, col7_0 и col7_3 , Пожалуйста, дайте мне знать, могу ли я предоставить дополнительную информацию о расколе. Любая помощь приветствуется.

Answer 1

Вы можете использовать простое слияние для достижения этого

df1_0 = df1[df1.col4==0].drop('col4',axis=1) 
df1_3 = df1[df1.col4==3].drop('col4',axis=1) 

result = pandas.merge(df1_0, df1_3, on=['col1','col2'],suffixes=['_0','_3'] ) 
result = result[sorted(list(result))] # to get columns in the order you like 

    col1 col2 col3_0 col3_3 col5  col6_0  col6_3  col7_0 \ 
0  2  1 2000 2000 233 251.109065 251.109065 18.858343 
1  2  2 2000 5000 96 300.141548 412.916402 67.874851 
2  2  3 2000 5000 53 291.836682 394.260558 58.692756 
3  2  4 2000 5000 29 327.351227 478.924355 95.252774 
4  2  5 2000 5000 24 371.598847 574.811102 136.983014 

     col7_3 
0 18.858343 
1 -127.405555 
2 -148.001670 
3 -63.949017 
4 26.888185 

Answer 2

res = pd.merge(df1[df1.col4 == 0].drop('col4', axis=1), df1[df1.col4 == 3].drop('col4', axis=1), on=['col1', 'col2', 'col5'], suffixes=['_0', '_3']) 

    col1 col2 col3_0 col5 col6_0 col7_0 col3_3 col6_3 col7_3 
0  2  1 2000 233 251.1091 18.8583 2000 251.1091 18.8583 
1  2  2 2000 96 300.1415 67.8749 5000 412.9164 -127.4056 
2  2  3 2000 53 291.8367 58.6928 5000 394.2606 -148.0017 
3  2  4 2000 29 327.3512 95.2528 5000 478.9244 -63.9490 
4  2  5 2000 24 371.5988 136.9830 5000 574.8111 26.8882 

# to sort columns 
res.T.sort_index().T 

    col1 col2 col3_0 col3_3 col5 col6_0 col6_3 col7_0 col7_3 
0  2  1 2000 2000 233 251.1091 251.1091 18.8583 18.8583 
1  2  2 2000 5000 96 300.1415 412.9164 67.8749 -127.4056 
2  2  3 2000 5000 53 291.8367 394.2606 58.6928 -148.0017 
3  2  4 2000 5000 29 327.3512 478.9244 95.2528 -63.9490 
4  2  5 2000 5000 24 371.5988 574.8111 136.9830 26.8882