将 Pandas DataFrame 行重组为列

Question

我有以下 df：itemname participant s0  s1  s2  s3E1       1           no  no  no  yesE1       2           no  no  yes noE1       3           no  no  no  yesA1       1           no  no  no  yesA1       2           no  no  no  yesA1       3           yes no  no  noFoo      1           no  no  no  yesFoo      2           yes no  no  noFoo      3           no  yes yes yes我需要将其转换为以下格式：itemname  participant_1  participant_2  participant_3 E1_s0     no             no             no E1_s1     no             no             no E1_s2     no             yes            no E1_s3     yes            no             yes A1_s0     no             no             yes A1_s1     no             no             no A1_s2     no             no             no A1_s3     yes            yes            no Foo_s0    no             yes            no      Foo_s1    no             no             yesFoo_s2    no             no             yesFoo_s3    yes            no             yes如何将每个项目名称与s0、s1、s2和s3组合成行，同时区分参与者（每个参与者应成为单独的列）？

Answer 1

您可以尝试以下操作：

>>> df.pivot(

         columns='itemname',index='participant').T

         .swaplevel(axis='index')

         .sort_index(0).reset_index()

         .assign(itemname=lambda x:(x.pop('itemname')+'_' + x.pop('level_1'))

       ).set_index('itemname').add_prefix('participant_')

participant participant_1 participant_2 participant_3

itemname                                             

A1_s0                  no            no           yes

A1_s1                  no            no            no

A1_s2                  no            no            no

A1_s3                 yes           yes            no

E1_s0                  no            no            no

E1_s1                  no            no            no

E1_s2                  no           yes            no

E1_s3                 yes            no           yes

Foo_s0                 no           yes            no

Foo_s1                 no            no           yes

Foo_s2                 no            no           yes

Foo_s3                yes            no           yes