如何对Pandas DataFrame分组后拆分前三特征及百分比至对应列？

我有如下Pandas DataFrame：

clientid    date                generatedTime       feature      featurePercentage
0   12345       2022-11-18 00:00:00 2022-11-23 08:58:09 timely_log   1.0
1   12345       2022-11-19 00:00:00 2022-11-24 08:55:46 red          0.822815
2   12345       2022-11-19 00:00:00 2022-11-24 08:55:46 timely_log   0.177185

需要按clientid和date分组，将feature和featurePercentage按百分比从高到低拆分到新列：最高值对应First（百分比）和First_feature（特征名），次高对应Second和Second_feature，以此类推保留前三组，不足的位置填None。期望输出如下：

clientid    date                generatedTime       First_feature  First     Second_feature  Second     Third_feature  Third
0   12345       2022-11-18 00:00:00 2022-11-23 08:58:09 timely_log     1.0       None            None       None           None
1   12345       2022-11-19 00:00:00 2022-11-24 08:55:46 red            0.822815  timely_log      0.177185   None           None

可以通过以下步骤实现需求：

1. 分组排序并分配排名：按clientid和date分组，组内按featurePercentage降序排列，为每行分配1起始的排名
2. 转换为宽格式：用pivot把长格式数据转成宽格式，只保留前三排名的内容
3. 重命名列名：将生成的多级列名调整为要求的First_feature、First等格式
4. 合并基础列：将每个分组内唯一的generatedTime列合并到结果中

具体代码如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'clientid': [12345, 12345, 12345],
    'date': ['2022-11-18 00:00:00', '2022-11-19 00:00:00', '2022-11-19 00:00:00'],
    'generatedTime': ['2022-11-23 08:58:09', '2022-11-24 08:55:46', '2022-11-24 08:55:46'],
    'feature': ['timely_log', 'red', 'timely_log'],
    'featurePercentage': [1.0, 0.822815, 0.177185]
})

# 1. 分组并按百分比降序排名
df['rank'] = df.groupby(['clientid', 'date'])['featurePercentage'].rank(ascending=False, method='first').astype(int)

# 2. 转成宽格式，只保留1-3名
pivoted = df.pivot(index=['clientid', 'date'], columns='rank', values=['feature', 'featurePercentage'])
pivoted = pivoted.reindex(columns=range(1,4), level=1)

# 3. 重命名列
col_mapping = {
    ('feature', 1): 'First_feature',
    ('featurePercentage', 1): 'First',
    ('feature', 2): 'Second_feature',
    ('featurePercentage', 2): 'Second',
    ('feature', 3): 'Third_feature',
    ('featurePercentage', 3): 'Third'
}
pivoted.columns = [col_mapping[col] for col in pivoted.columns]

# 4. 合并generatedTime列
base_cols = df.groupby(['clientid', 'date'])['generatedTime'].first().reset_index()
result = base_cols.merge(pivoted.reset_index(), on=['clientid', 'date'])

# 重置索引并将NaN替换为None
result = result.reset_index(drop=True).fillna(value=None)

print(result)

运行代码后即可得到符合要求的输出结果。

内容的提问来源于stack exchange，提问作者monte