使用 groupby、pivot 和 transpose 进行 Python pandas

Question

我确实有一个包含两列的数据框：date和bill_id。日期列中的日期范围是从 01-01-2017 到 30-12-2017 的一年。有 1000 个独特的bill_ids. 每个bill_id可能在bill_id列中至少出现一次。结果是一个大小为：2 列，1000000 行的 DataFrame...

     dt   |bill_id

01-01-2017 bill_1

01-01-2017 bill_2

02-01-2017 bill_1

02-01-2017 bill_3

03-01-2017 bill_4

03-01-2017 bill_4

因此，某些 name_id 可能会在特定日期出现，而其他则不会。

我想要实现的是一种格式的数据框，因此所有唯一的 bill_id 都是列，所有唯一的日期都是行，并且每个 bill_id 具有 0 或 1 或 2 对应的日期值，其中 0 = 尚未出现在该日期，1 出现在那个日期，2 没有出现在那个日期，但在之前就已经存在了，例如

如果 bill_id 存在于 02-01-2017，那么它将在 01-01-2017 为 0，在 02-01-2017 为 1，在 03-01-2017 为 2，在所有后续日期为 2。

我用几个步骤完成了，但代码没有扩展，因为它很慢：

def map_values(row, df_z, c):

    subs = df_z[[c, 'bill_id', 'date']].loc[df_z['date'] == row['dt']]

    if c not in subs['bill_id']:

        row[c] = max(subs[c].tolist())

    else:

        val = df_z[c].loc[(df_z['date'] == row['dt']) & (df_z['bill_id'] == c)].values

        assert len(val) == 1

        row[c] = val[0]

    return row

def map_to_one(x):

    bills_x = x['bill_id'].tolist()

    for b in bills_x:

        try:

            x[b].loc[x['bill_id'] == b] = 1

        except:

            pass

    return x

def replace_val(df_groupped, col):

    mask = df_groupped.loc[df_groupped['bill_id'] == col].index[df_groupped[col].loc[df_groupped['bill_id'] == col] == 1]

    min_dt = df_groupped.iloc[min(mask)]['date']

    max_dt = df_groupped.iloc[max(mask)]['date']

    df_groupped[col].loc[(df_groupped['date'] < min_dt)] = 0

    df_groupped[col].loc[(df_groupped['date'] >= min_dt) & (df_groupped['date'] <= max_dt)] = 1

    df_groupped[col].loc[(df_groupped['date'] > max_dt)] = 2

    return df_groupped

def reduce_cols(row):

    col_id = row['bill_id']

    row['val'] = row[col_id]

    return row

df = df.sort_values(by='date')

df = df[pd.notnull(df['bill_id'])]

bills = list(set(df['bill_id'].tolist()))

编辑：

Joe 的回答很好，但我决定改用其他选项：

获取 date.min() 和 date.max()

df_groupped = groupby bill_id

df_groupped 应用函数，其中我检查每组 date_x.min() 和 date_x.max() 并将 date.min() 与 date_x.min() 和 date.max() 与 date_x.max() 进行比较等等我知道 0、1 和 2 在哪里的方式:)