Groupby并在熊猫，Python中转置
问题内容：
数据框有
ID col col2 col3 col4
1 A 50 S 1
1 A 52 M 4
1 B 45 N 8
1 C 18 S 7
想要数据框
ID col colA colB colC colD colE colF
1 A 50 52 S M 1 4
1 B 45 NULL N NULL 8 NULL
1 C 18 NULL S NULL 7 NULL
我想要每个唯一ID + col（groupby ID和col）一行。如果每个ID +
col有多个条目（最大值不能为2，则不能再增加），然后将col2的第一个值放入colA并将第二个值放入colB，将col3的第一个值放入colC和第二个值在colD中，然后将第一个colE中的col4值和colF中的第二个值。如果每个ID
+ col只有一个条目，那么对于col2，将值放入colA，而colB为null等。
我尝试首先创建一个计数器：
df['COUNT'] = df.groupby(['ID','col']).cumcount()+1
从这里开始，我想添加一个专栏说
if count=1 then df['colA']=df.col2
if count=2 then df['colB']=df.col2
..但这仍将导致与原始df相同的行数。
问题答案：
df['COUNT'] = df.groupby(['ID','col']).cumcount()+1
df = df.set_index(['ID','col', 'COUNT'])['col2'].unstack().add_prefix('col').reset_index()
print (df)
COUNT ID col col1 col2
0 1 A 50.0 52.0
1 1 B 45.0 NaN
2 1 C 18.0 NaN
要么：
c = df.groupby(['ID','col']).cumcount()+1
df = df.set_index(['ID','col', c])['col2'].unstack().add_prefix('col').reset_index()
print (df)
ID col col1 col2
0 1 A 50.0 52.0
1 1 B 45.0 NaN
2 1 C 18.0 NaN
编辑：
对于多列，解决方案有所更改，因为在MultiIndexin列中进行处理：
df['COUNT'] = (df.groupby(['ID','col']).cumcount()+1).astype(str)
#remove col2
df = df.set_index(['ID','col', 'COUNT']).unstack()
#flatten Multiindex
df.columns = df.columns.map('_'.join)
df = df.reset_index()
print (df)
ID col col2_1 col2_2 col3_1 col3_2 col4_1 col4_2
0 1 A 50.0 52.0 S M 1.0 4.0
1 1 B 45.0 NaN N None 8.0 NaN
2 1 C 18.0 NaN S None 7.0 NaN
