Pandas：标记ID分组归属并转换数据结构的实现需求

原始数据 #

import pandas as pd

raw_data = pd.DataFrame({
    'Year': [1991, 1991, 1991, 2000, 2000],
    'ID': ['A', 'A', 'A', 'B', 'B'],
    'Group': ['a', 'b', 'c', 'a', 'b'],
    'score': [6252, 6252, 6252, 2342, 2342]
})

方法一：透视表实现 #

利用pivot_table生成分组存在标记，再转换为Yes/No格式：

# 生成透视表，标记分组是否存在
pivot_df = raw_data.pivot_table(
    index=['Year', 'ID', 'score'],
    columns='Group',
    values='Group',
    aggfunc=lambda x: 1,
    fill_value=0
)

# 重命名列并替换标记文本
pivot_df = pivot_df.rename(columns=lambda x: f'Group {x}').replace({1: 'Yes', 0: 'No'})

# 重置索引得到目标结构
out_data = pivot_df.reset_index()

print(out_data)

方法二：哑变量+分组聚合 #

通过get_dummies生成分组哑变量，再分组聚合得到结果：

# 生成分组哑变量
dummies = pd.get_dummies(raw_data['Group'], prefix='Group')

# 合并数据后按ID/Year/score分组取最大值（同一分组存在则为1，否则0）
out_data = pd.concat([raw_data, dummies], axis=1).groupby(['Year', 'ID', 'score']).max().reset_index()

# 将数值标记转换为Yes/No
out_data = out_data.replace({1: 'Yes', 0: 'No'})

print(out_data)

输出结果 #

两种方法都会得到目标数据：

Year ID  score Group a Group b Group c
0  1991  A   6252     Yes     Yes     Yes
1  2000  B   2342     Yes     Yes      No

内容的提问来源于stack exchange，提问作者Derek