pandasで重複する行を結合、その後重複したvalueをカラムごとに分割

プログラミング初心者で、皆様のご教示が頂きたく投稿いたしました。
何卒宜しくお願い致します。

重複する行を結合、その後重複したvalueをカラムごとに分割するコードを書いています。

import pandas as pd

# before
df_before = pd.DataFrame({'code' : [1,1,1,2,2,3,4,5],
                          'material' : ['a','b','c','e','f','a','b','c']})
print(df_before)

   # code material
# 0     1        a
# 1     1        b
# 2     1        c
# 3     2        e
# 4     2        f
# 5     3        a
# 6     4        b
# 7     5        c

# after
df_after =  pd.DataFrame({'code' : [1,2,3,4,5],
                          'material' : ['a','e','a','b','c'],
                          'material_1' : ['b','f','x','x','x'],
                          'material_2' : ['c','x','x','x','x']})
print(df_after)
   # code material material_1 material_2
# 0     1        a          b          c
# 1     2        e          f          x
# 2     3        a          x          x
# 3     4        b          x          x
# 4     5        c          x          x

#'x'は仮の値。本来は空欄

#2ステップでafterになることを想定
# 1.group_byで結合
# 2.value内の重複したデータを分割

# 1.group_byで結合
df_before_01 = df_before.groupby('code').apply(lambda x: x.sum()).drop('code', axis=1).reset_index()
print(df_before_01)

   # code material
# 0     1      abc
# 1     2       ef
# 2     3        a
# 3     4        b
# 4     5        c

# 2．value内の重複したデータを分割（以下の手順で進めることを想定）
　#　結合した'material'のvalueで含まれている文字列が一番多いものをカウントする
　　（例：上記の事例の場合、'material'のvalueで文字列が最も多いvalueは、'abc'の計3個）
　#　columnには1個の文字列としたいため、columnを増やす
　　（例：上記の場合、'b','c'のそれぞれに'material_1','material_2'を追加）
 　
# 下記が希望する最終結果（※x:は仮の値。本来は空欄）
   # code material material_1 material_2
# 0     1        a          b          c
# 1     2        e          f          x
# 2     3        a          x          x
# 3     4        b          x          x
# 4     5        c          x          x

# 文字列をカウントするのはcounterを使用する気はするが、文字列の各要素の個数はカウントできるものの、
　value内の最大個数をカウントできない？
# １つのValueに複数ある文字列を、新しく設けたcolumnに移動させる方法が思いつかず。。。


そもそも想定が間違っているかもしれませんが、ご教示のほど何卒宜しくお願い致します。

meg_

2020/08/30 12:15

> 2.value内の重複したデータを分割希望する最終結果を提示ください。

Zhiye

2020/08/30 12:40

ご返信頂き誠にありがとうございます。 value内の重複したデータ分割の結果ですが、例えばvalue内に３つ重複した場合(例：abc）、'material'のカラムに'a'、'material_1'に'b'、'material_2'に'c'のように、重複したvalueを単体に振り分けたいと考えています。難しいのは結合後の重複するデータが最大何個かわからないため、はじめから新しいカラムをいくつ設ければよいかわからず困っています。

meg_

2020/08/30 13:33

文章では分かりにくいので、希望する最終結果（データフレーム）を質問に追記してください。

meg_

2020/08/30 13:36

> 難しいのは結合後の重複するデータが最大何個かわからないため結合後に調べるのでは駄目なのですか？

Zhiye

2020/08/30 19:29

ご返信頂き誠にありがとうございました。希望する最終結果を質問に追記いたしました。また、想定される解決手順もあわせて追記しました。宜しくお願い致します。

行動規範の内容に同意します

回答1件

ベストアンサー

以下のように新たなデータフレームを作りこめばよいと思います。

Python
1import pandas as pd
2
3# before
4df_before = pd.DataFrame({'code' : [1,1,1,2,2,3,4,5],
5                          'material' : ['a','b','c','e','f','a','b','c']})
6
7df_before_01 = df_before.groupby('code').apply(lambda x: x.sum()).drop('code', axis=1).reset_index()
8print(df_before_01)
9#   code material
10#0     1      abc
11#1     2       ef
12#2     3        a
13#3     4        b
14#4     5        c
15
16a = df_before_01['material'].apply(lambda x:list(x)).tolist()
17n_col = max([len(l) for l in a])
18df = pd.DataFrame( a, columns=[f'mat{i+1}' for i in range(n_col)])
19
20df.insert(0,'code', df_before_01['code'])
21df = df.fillna('x')
22print(df)
23#   code mat1 mat2 mat3
24#0     1    a    b    c
25#1     2    e    f    x
26#2     3    a    x    x
27#3     4    b    x    x
28#4     5    c    x    x