Veri çerçevesi nasıl özetlenir?

Question

• Pivot nedir?
• Nasıl dönebilirim?
• Bu bir pivot mu?
• Uzun biçimden geniş biçime?

Pivot tablolar hakkında soran birçok soru gördüm. Pivot tablolar hakkında soru sorduklarını bilmeseler bile, genellikle sorarlar. Döndürmenin tüm yönlerini kapsayan kanonik bir soru ve cevap yazmak neredeyse imkansızdır ...

... Ama bir şans vereceğim.

---

Mevcut sorular ve cevaplarla ilgili sorun, sorunun çoğu zaman, OP'nin mevcut iyi cevapların bir kısmını kullanmak için genellemede sorun yaşadığı bir nüansa odaklanmasıdır. Bununla birlikte, cevapların hiçbiri kapsamlı bir açıklama yapmaya çalışmaz (çünkü göz korkutucu bir görevdir)

Google aramamdan birkaç örneğe bakın

1. Pandalarda bir veri çerçevesi nasıl özetlenir?

• Güzel soru ve cevap. Ancak yanıt, yalnızca belirli bir soruyu çok az açıklamayla yanıtlar.

1. pandalar pivot tablosundan veri çerçevesine

• Bu soruda OP, pivotun çıktısı ile ilgilenir. Yani sütunların nasıl göründüğü. OP, R'ye benzemesini istedi. Bu pandalar için pek yararlı değil.

1. pandalar bir veri çerçevesini özetleme, satırları yineleme

• Başka bir iyi soru ama cevap bir yönteme odaklanıyor, yani pd.DataFrame.pivot

Bu nedenle, birisi aradığında pivot, belirli sorularını cevaplamayacak olan düzensiz sonuçlar alır.

---

Kurmak

Aşağıdaki cevapları nasıl özetleyeceğime karşılık olarak sütunlarımı ve ilgili sütun değerlerini açıkça adlandırdığımı fark edebilirsiniz.

import numpy as np
import pandas as pd
from numpy.core.defchararray import add

np.random.seed([3,1415])
n = 20

cols = np.array(['key', 'row', 'item', 'col'])
arr1 = (np.random.randint(5, size=(n, 4)) // [2, 1, 2, 1]).astype(str)

df = pd.DataFrame(
    add(cols, arr1), columns=cols
).join(
    pd.DataFrame(np.random.rand(n, 2).round(2)).add_prefix('val')
)
print(df)

     key   row   item   col  val0  val1
0   key0  row3  item1  col3  0.81  0.04
1   key1  row2  item1  col2  0.44  0.07
2   key1  row0  item1  col0  0.77  0.01
3   key0  row4  item0  col2  0.15  0.59
4   key1  row0  item2  col1  0.81  0.64
5   key1  row2  item2  col4  0.13  0.88
6   key2  row4  item1  col3  0.88  0.39
7   key1  row4  item1  col1  0.10  0.07
8   key1  row0  item2  col4  0.65  0.02
9   key1  row2  item0  col2  0.35  0.61
10  key2  row0  item2  col1  0.40  0.85
11  key2  row4  item1  col2  0.64  0.25
12  key0  row2  item2  col3  0.50  0.44
13  key0  row4  item1  col4  0.24  0.46
14  key1  row3  item2  col3  0.28  0.11
15  key0  row3  item1  col1  0.31  0.23
16  key0  row0  item2  col3  0.86  0.01
17  key0  row4  item0  col3  0.64  0.21
18  key2  row2  item2  col0  0.13  0.45
19  key0  row2  item0  col4  0.37  0.70

Soru (lar)

1. Neden alıyorum ValueError: Index contains duplicate entries, cannot reshape

2. Nasıl dönebilecek yapmak dfböyle coldeğerlerin sütunlar olup, rowdeğerler endeksi, ve ortalama val0değerleridir?

    col   col0   col1   col2   col3  col4
    row                                  
    row0  0.77  0.605    NaN  0.860  0.65
    row2  0.13    NaN  0.395  0.500  0.25
    row3   NaN  0.310    NaN  0.545   NaN
    row4   NaN  0.100  0.395  0.760  0.24
   

3. Nasıl dönebilecek yapmak dfböyle coldeğerlerin sütunlar olup, rowdeğer alabilmekte, endeksin ortalama vardır val0değerlerdir ve eksik değerlerdir 0?

    col   col0   col1   col2   col3  col4
    row                                  
    row0  0.77  0.605  0.000  0.860  0.65
    row2  0.13  0.000  0.395  0.500  0.25
    row3  0.00  0.310  0.000  0.545  0.00
    row4  0.00  0.100  0.395  0.760  0.24
   

4. meanBelki dışında başka bir şey alabilir miyim sum?

    col   col0  col1  col2  col3  col4
    row                               
    row0  0.77  1.21  0.00  0.86  0.65
    row2  0.13  0.00  0.79  0.50  0.50
    row3  0.00  0.31  0.00  1.09  0.00
    row4  0.00  0.10  0.79  1.52  0.24
   

5. Bir seferde birden fazla toplama yapabilir miyim?

           sum                          mean                           
    col   col0  col1  col2  col3  col4  col0   col1   col2   col3  col4
    row                                                                
    row0  0.77  1.21  0.00  0.86  0.65  0.77  0.605  0.000  0.860  0.65
    row2  0.13  0.00  0.79  0.50  0.50  0.13  0.000  0.395  0.500  0.25
    row3  0.00  0.31  0.00  1.09  0.00  0.00  0.310  0.000  0.545  0.00
    row4  0.00  0.10  0.79  1.52  0.24  0.00  0.100  0.395  0.760  0.24
   

6. Birden çok değer sütunu üzerinden toplayabilir miyim?

          val0                             val1                          
    col   col0   col1   col2   col3  col4  col0   col1  col2   col3  col4
    row                                                                  
    row0  0.77  0.605  0.000  0.860  0.65  0.01  0.745  0.00  0.010  0.02
    row2  0.13  0.000  0.395  0.500  0.25  0.45  0.000  0.34  0.440  0.79
    row3  0.00  0.310  0.000  0.545  0.00  0.00  0.230  0.00  0.075  0.00
    row4  0.00  0.100  0.395  0.760  0.24  0.00  0.070  0.42  0.300  0.46
   

7. Birden çok sütuna göre alt bölümlere ayrılabilir mi?

    item item0             item1                         item2                   
    col   col2  col3  col4  col0  col1  col2  col3  col4  col0   col1  col3  col4
    row                                                                          
    row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.605  0.86  0.65
    row2  0.35  0.00  0.37  0.00  0.00  0.44  0.00  0.00  0.13  0.000  0.50  0.13
    row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.000  0.28  0.00
    row4  0.15  0.64  0.00  0.00  0.10  0.64  0.88  0.24  0.00  0.000  0.00  0.00
   

8. Veya

    item      item0             item1                         item2                  
    col        col2  col3  col4  col0  col1  col2  col3  col4  col0  col1  col3  col4
    key  row                                                                         
    key0 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.86  0.00
         row2  0.00  0.00  0.37  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.50  0.00
         row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.00  0.00  0.00
         row4  0.15  0.64  0.00  0.00  0.00  0.00  0.00  0.24  0.00  0.00  0.00  0.00
    key1 row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.81  0.00  0.65
         row2  0.35  0.00  0.00  0.00  0.00  0.44  0.00  0.00  0.00  0.00  0.00  0.13
         row3  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.28  0.00
         row4  0.00  0.00  0.00  0.00  0.10  0.00  0.00  0.00  0.00  0.00  0.00  0.00
    key2 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.40  0.00  0.00
         row2  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.13  0.00  0.00  0.00
         row4  0.00  0.00  0.00  0.00  0.00  0.64  0.88  0.00  0.00  0.00  0.00  0.00
   

9. Sütun ve satırların birlikte görülme sıklığını, yani "çapraz tablo" olarak toplayabilir miyim?

    col   col0  col1  col2  col3  col4
    row                               
    row0     1     2     0     1     1
    row2     1     0     2     1     2
    row3     0     1     0     2     0
    row4     0     1     2     2     1
   

10. Bir DataFrame'i SADECE iki sütun üzerinde özetleyerek uzundan genişe nasıl dönüştürebilirim? Verilen,

    np.random.seed([3, 1415])
    df2 = pd.DataFrame({'A': list('aaaabbbc'), 'B': np.random.choice(15, 8)})        
    df2        
       A   B
    0  a   0
    1  a  11
    2  a   2
    3  a  11
    4  b  10
    5  b  10
    6  b  14
    7  c   7
    

    Beklenen bir şeye benzemeli

          a     b    c
    0   0.0  10.0  7.0
    1  11.0  10.0  NaN
    2   2.0  14.0  NaN
    3  11.0   NaN  NaN
    

11. Birden çok dizini tek dizine nasıl düzleştiririm sonra pivot

    Nereden

       1  2   
       1  1  2        
    a  2  1  1
    b  2  1  0
    c  1  0  0
    

    İçin

       1|1  2|1  2|2               
    a    2    1    1
    b    2    1    0
    c    1    0    0
    

Answer 1

İlk soruyu cevaplayarak başlıyoruz:

Soru 1

Neden alıyorum ValueError: Index contains duplicate entries, cannot reshape

Bunun nedeni, pandaların bir columnsveya indexyinelenen girdilere sahip bir nesneyi yeniden dizinlemeye çalışmasıdır . Bir pivot gerçekleştirebilecek çeşitli yöntemler vardır. Bazıları, üzerinde dönmesi istenen anahtarların kopyaları olduğunda pek uygun değildir. Örneğin. Düşünün pd.DataFrame.pivot. rowVe coldeğerlerini paylaşan yinelenen girişler olduğunu biliyorum :

df.duplicated(['row', 'col']).any()

True

Ben Yani pivotkullanarak

df.pivot(index='row', columns='col', values='val0')

Yukarıda belirtilen hatayı alıyorum. Aslında, aynı görevi aşağıdakilerle yapmaya çalıştığımda aynı hatayı alıyorum:

df.set_index(['row', 'col'])['val0'].unstack()

Özetlemek için kullanabileceğimiz deyimlerin bir listesi

1. pd.DataFrame.groupby + pd.DataFrame.unstack
   • Hemen hemen her tür pivot yapmak için iyi bir genel yaklaşım
   • Özetlenmiş satır düzeylerini ve sütun düzeylerini oluşturacak tüm sütunları tek bir grupta belirtirsiniz. Bunu, toplamak istediğiniz kalan sütunları ve toplamayı gerçekleştirmek istediğiniz işlevleri seçerek takip edersiniz. Son olarak, unstacksütun indeksinde olmasını istediğiniz seviyeler.
2. pd.DataFrame.pivot_table
   • groupbyDaha sezgisel API ile övülen bir sürümü . Birçok insan için tercih edilen yaklaşım budur. Ve geliştiriciler tarafından amaçlanan yaklaşım budur.
   • Satır düzeyini, sütun düzeylerini, toplanacak değerleri ve toplamaları gerçekleştirmek için işlevleri belirtin.
3. pd.DataFrame.set_index + pd.DataFrame.unstack
   • Bazıları için uygun ve sezgisel (kendim dahil). Yinelenen gruplanmış anahtarlar işlenemez.
   • groupbyParadigmaya benzer şekilde, sonunda satır veya sütun seviyeleri olacak tüm sütunları belirleriz ve bunları indeks olarak belirleriz. Ardından unstacksütunlarda istediğimiz seviyelere geliyoruz. Kalan dizin seviyeleri veya sütun seviyeleri benzersiz değilse, bu yöntem başarısız olacaktır.
4. pd.DataFrame.pivot
   • set_indexYinelenen anahtar sınırlamasını paylaşmasına çok benzer . API de çok sınırlıdır. Sadece için sayıl değerlerini alır index, columns, values.
   • pivot_tableYönteme benzer şekilde, üzerinde özetlenecek satırları, sütunları ve değerleri seçiyoruz. Ancak, kümeleme yapamayız ve satırlar veya sütunlar benzersiz değilse bu yöntem başarısız olur.
5. pd.crosstab
   • Bu, pivot_tableen saf haliyle özel bir sürümü birkaç görevi gerçekleştirmenin en sezgisel yoludur.
6. pd.factorize + np.bincount
   • Bu, çok belirsiz ancak çok hızlı olan oldukça gelişmiş bir tekniktir. Her koşulda kullanılamaz, ancak kullanılabildiğinde ve rahatça kullandığınızda, performans ödüllerini alacaksınız.
7. pd.get_dummies + pd.DataFrame.dot
   • Bunu akıllıca çapraz tablolama yapmak için kullanıyorum.

---

Örnekler

Sonraki her cevap ve soru için yapacağım şey onu kullanarak cevaplamaktır pd.DataFrame.pivot_table. Sonra aynı görevi yerine getirmek için alternatifler sunacağım.

Soru 3

Nasıl dönebilecek yapmak dfböyle coldeğerlerin sütunlar olup, rowdeğer alabilmekte, endeksin ortalama vardır val0değerlerdir ve eksik değerlerdir 0?

• pd.DataFrame.pivot_table

  • fill_valuevarsayılan olarak ayarlanmamıştır. Uygun şekilde ayarlama eğilimindeyim. Bu durumda ben ayarladım 0. Dikkat edin, soru 2'yi atladığıma dikkat edin , çünkü bu cevapla aynıdır.fill_value

  • aggfunc='mean'varsayılandır ve bunu ayarlamama gerek yoktu. Açık olması için ekledim.

    df.pivot_table(
        values='val0', index='row', columns='col',
        fill_value=0, aggfunc='mean')
    
    col   col0   col1   col2   col3  col4
    row                                  
    row0  0.77  0.605  0.000  0.860  0.65
    row2  0.13  0.000  0.395  0.500  0.25
    row3  0.00  0.310  0.000  0.545  0.00
    row4  0.00  0.100  0.395  0.760  0.24
    

• pd.DataFrame.groupby

  df.groupby(['row', 'col'])['val0'].mean().unstack(fill_value=0)
  

• pd.crosstab

  pd.crosstab(
      index=df['row'], columns=df['col'],
      values=df['val0'], aggfunc='mean').fillna(0)
  

---

Soru 4

meanBelki dışında başka bir şey alabilir miyim sum?

• pd.DataFrame.pivot_table

  df.pivot_table(
      values='val0', index='row', columns='col',
      fill_value=0, aggfunc='sum')
  
  col   col0  col1  col2  col3  col4
  row                               
  row0  0.77  1.21  0.00  0.86  0.65
  row2  0.13  0.00  0.79  0.50  0.50
  row3  0.00  0.31  0.00  1.09  0.00
  row4  0.00  0.10  0.79  1.52  0.24
  

• pd.DataFrame.groupby

  df.groupby(['row', 'col'])['val0'].sum().unstack(fill_value=0)
  

• pd.crosstab

  pd.crosstab(
      index=df['row'], columns=df['col'],
      values=df['val0'], aggfunc='sum').fillna(0)
  

---

Soru 5

Bir seferde birden fazla toplama yapabilir miyim?

Söz konusu Bildirimi pivot_tableve crosstabben callables listesini iletmek gerekiyordu. Öte yandan, groupby.aggsınırlı sayıda özel işlev için dizeler alabilir. groupby.aggdiğerlerine aktardığımız aynı çağrılabilirleri de alırdı, ancak elde edilecek verimlilikler olduğu için string işlev adlarını kullanmak genellikle daha etkilidir.

• pd.DataFrame.pivot_table

  df.pivot_table(
      values='val0', index='row', columns='col',
      fill_value=0, aggfunc=[np.size, np.mean])
  
       size                      mean                           
  col  col0 col1 col2 col3 col4  col0   col1   col2   col3  col4
  row                                                           
  row0    1    2    0    1    1  0.77  0.605  0.000  0.860  0.65
  row2    1    0    2    1    2  0.13  0.000  0.395  0.500  0.25
  row3    0    1    0    2    0  0.00  0.310  0.000  0.545  0.00
  row4    0    1    2    2    1  0.00  0.100  0.395  0.760  0.24
  

• pd.DataFrame.groupby

  df.groupby(['row', 'col'])['val0'].agg(['size', 'mean']).unstack(fill_value=0)
  

• pd.crosstab

  pd.crosstab(
      index=df['row'], columns=df['col'],
      values=df['val0'], aggfunc=[np.size, np.mean]).fillna(0, downcast='infer')
  

---

Soru 6

Birden çok değer sütunu üzerinden toplayabilir miyim?

• pd.DataFrame.pivot_tableGeçtik values=['val0', 'val1']ama bunu tamamen bırakabilirdik

  df.pivot_table(
      values=['val0', 'val1'], index='row', columns='col',
      fill_value=0, aggfunc='mean')
  
        val0                             val1                          
  col   col0   col1   col2   col3  col4  col0   col1  col2   col3  col4
  row                                                                  
  row0  0.77  0.605  0.000  0.860  0.65  0.01  0.745  0.00  0.010  0.02
  row2  0.13  0.000  0.395  0.500  0.25  0.45  0.000  0.34  0.440  0.79
  row3  0.00  0.310  0.000  0.545  0.00  0.00  0.230  0.00  0.075  0.00
  row4  0.00  0.100  0.395  0.760  0.24  0.00  0.070  0.42  0.300  0.46
  

• pd.DataFrame.groupby

  df.groupby(['row', 'col'])['val0', 'val1'].mean().unstack(fill_value=0)
  

---

Soru 7

Birden çok sütuna göre alt bölümlere ayrılabilir mi?

• pd.DataFrame.pivot_table

  df.pivot_table(
      values='val0', index='row', columns=['item', 'col'],
      fill_value=0, aggfunc='mean')
  
  item item0             item1                         item2                   
  col   col2  col3  col4  col0  col1  col2  col3  col4  col0   col1  col3  col4
  row                                                                          
  row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.605  0.86  0.65
  row2  0.35  0.00  0.37  0.00  0.00  0.44  0.00  0.00  0.13  0.000  0.50  0.13
  row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.000  0.28  0.00
  row4  0.15  0.64  0.00  0.00  0.10  0.64  0.88  0.24  0.00  0.000  0.00  0.00
  

• pd.DataFrame.groupby

  df.groupby(
      ['row', 'item', 'col']
  )['val0'].mean().unstack(['item', 'col']).fillna(0).sort_index(1)
  

---

Soru 8

Birden çok sütuna göre alt bölümlere ayrılabilir mi?

• pd.DataFrame.pivot_table

  df.pivot_table(
      values='val0', index=['key', 'row'], columns=['item', 'col'],
      fill_value=0, aggfunc='mean')
  
  item      item0             item1                         item2                  
  col        col2  col3  col4  col0  col1  col2  col3  col4  col0  col1  col3  col4
  key  row                                                                         
  key0 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.86  0.00
       row2  0.00  0.00  0.37  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.50  0.00
       row3  0.00  0.00  0.00  0.00  0.31  0.00  0.81  0.00  0.00  0.00  0.00  0.00
       row4  0.15  0.64  0.00  0.00  0.00  0.00  0.00  0.24  0.00  0.00  0.00  0.00
  key1 row0  0.00  0.00  0.00  0.77  0.00  0.00  0.00  0.00  0.00  0.81  0.00  0.65
       row2  0.35  0.00  0.00  0.00  0.00  0.44  0.00  0.00  0.00  0.00  0.00  0.13
       row3  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.28  0.00
       row4  0.00  0.00  0.00  0.00  0.10  0.00  0.00  0.00  0.00  0.00  0.00  0.00
  key2 row0  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.40  0.00  0.00
       row2  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.00  0.13  0.00  0.00  0.00
       row4  0.00  0.00  0.00  0.00  0.00  0.64  0.88  0.00  0.00  0.00  0.00  0.00
  

• pd.DataFrame.groupby

  df.groupby(
      ['key', 'row', 'item', 'col']
  )['val0'].mean().unstack(['item', 'col']).fillna(0).sort_index(1)
  

• pd.DataFrame.set_index çünkü anahtar seti hem satırlar hem de sütunlar için benzersizdir

  df.set_index(
      ['key', 'row', 'item', 'col']
  )['val0'].unstack(['item', 'col']).fillna(0).sort_index(1)
  

---

Soru 9

Sütun ve satırların birlikte görülme sıklığını, yani "çapraz tablo" olarak toplayabilir miyim?

• pd.DataFrame.pivot_table

  df.pivot_table(index='row', columns='col', fill_value=0, aggfunc='size')
  
      col   col0  col1  col2  col3  col4
  row                               
  row0     1     2     0     1     1
  row2     1     0     2     1     2
  row3     0     1     0     2     0
  row4     0     1     2     2     1
  

• pd.DataFrame.groupby

  df.groupby(['row', 'col'])['val0'].size().unstack(fill_value=0)
  

• pd.crosstab

  pd.crosstab(df['row'], df['col'])
  

• pd.factorize + np.bincount

  # get integer factorization `i` and unique values `r`
  # for column `'row'`
  i, r = pd.factorize(df['row'].values)
  # get integer factorization `j` and unique values `c`
  # for column `'col'`
  j, c = pd.factorize(df['col'].values)
  # `n` will be the number of rows
  # `m` will be the number of columns
  n, m = r.size, c.size
  # `i * m + j` is a clever way of counting the 
  # factorization bins assuming a flat array of length
  # `n * m`.  Which is why we subsequently reshape as `(n, m)`
  b = np.bincount(i * m + j, minlength=n * m).reshape(n, m)
  # BTW, whenever I read this, I think 'Bean, Rice, and Cheese'
  pd.DataFrame(b, r, c)
  
        col3  col2  col0  col1  col4
  row3     2     0     0     1     0
  row2     1     2     1     0     2
  row0     1     0     1     2     1
  row4     2     2     0     1     1
  

• pd.get_dummies

  pd.get_dummies(df['row']).T.dot(pd.get_dummies(df['col']))
  
        col0  col1  col2  col3  col4
  row0     1     2     0     1     1
  row2     1     0     2     1     2
  row3     0     1     0     2     0
  row4     0     1     2     2     1
  

---

Soru 10

Bir DataFrame'i SADECE iki sütun üzerinde özetleyerek uzundan genişe nasıl dönüştürebilirim?

İlk adım, her satıra bir sayı atamaktır - bu sayı, özetlenmiş sonuçtaki bu değerin satır dizini olacaktır. Bu, şu şekilde yapılır GroupBy.cumcount:

df2.insert(0, 'count', df.groupby('A').cumcount())
df2

   count  A   B
0      0  a   0
1      1  a  11
2      2  a   2
3      3  a  11
4      0  b  10
5      1  b  10
6      2  b  14
7      0  c   7

İkinci adım, yeni oluşturulan sütunu çağırmak için dizin olarak kullanmaktır DataFrame.pivot.

df2.pivot(*df)
# df.pivot(index='count', columns='A', values='B')

A         a     b    c
count                 
0       0.0  10.0  7.0
1      11.0  10.0  NaN
2       2.0  14.0  NaN
3      11.0   NaN  NaN

---

Soru 11

Birden çok dizini tek dizine nasıl düzleştiririm sonra pivot

Eğer columnstip objectdizeylejoin

df.columns = df.columns.map('|'.join)

Başka format

df.columns = df.columns.map('{0[0]}|{0[1]}'.format) 

Answer 2

@ PiRSquared'in yanıtını genişletmek için Soru 10'un başka bir versiyonu

Soru 10.1

Veri çerçevesi:

d = data = {'A': {0: 1, 1: 1, 2: 1, 3: 2, 4: 2, 5: 3, 6: 5},
 'B': {0: 'a', 1: 'b', 2: 'c', 3: 'a', 4: 'b', 5: 'a', 6: 'c'}}
df = pd.DataFrame(d)

   A  B
0  1  a
1  1  b
2  1  c
3  2  a
4  2  b
5  3  a
6  5  c

Çıktı:

   0     1     2
A
1  a     b     c
2  a     b  None
3  a  None  None
5  c  None  None

---

kullanılması df.groupbyvepd.Series.tolist

t = df.groupby('A')['B'].apply(list)
out = pd.DataFrame(t.tolist(),index=t.index)
out
   0     1     2
A
1  a     b     c
2  a     b  None
3  a  None  None
5  c  None  None

Veya çok iyi bir alternatif kullanılarak pd.pivot_tableiledf.squeeze.

t = df.pivot_table(index='A',values='B',aggfunc=list).squeeze()
out = pd.DataFrame(t.tolist(),index=t.index)