将行值转换为datafram中现有的预定义列

Question

我有一个按数量排序的数据帧，每个名称有5个类别，如下所示：

| Name | Category | Amount |
|------|----------|--------|
| Abel | A        | 9.2    |
| Abel | B        | 3      |
| Abel | C        | 2.5    |
| Abel | E        | 2      |
| Abel | X        | 0      |
| Cain | W        | 93     |
| Cain | A        | 2      | 
|------|----------|--------|

这就是我最终想要的：

| Name | Cat 1 | Cat 2 | Cat 3 | Cat 4 | Cat 5 |
|------|-------|-------|-------|-------|-------|
| Abel | A     | B     | C     | E     | X     |
| Cain | W     | A     | -     | -     |  -    |
|------|-------|-------|-------|-------|-------|

我尝试了df.pivot（“Name”，“Category”），但它将值（例如A，B，…）设置为列名，但我希望将5列预定义为“cat1”到“cat5”，因此我不确定现在如何获得结果。而且，并非所有的名称都有5行。例如，Cain只有top 2，这意味着cat3、cat4和Cat5列应该为null或“-”。有什么帮助吗？谢谢

更新：

好的，例如，如果我所有的名字只有2个类别记录，我仍然想为前5个类别（即Cat 1、Cat 2、Cat 3、Cat 4、Cat 5）获得5个新列

现在如果我这么做了

df["g"] = top5_jmi.groupby("Name").cumcount().add(1)

如果我以后再旋转它，这只会给我2列。如何获得5列？例如

| Name | Category | Amount |
|------|----------|--------|
| Abel | A        | 9.2    |
| Abel | B        | 3      |
| Cain | W        | 93     |
| Cain | A        | 2      |
|------|----------|--------|

should still give me this:

| Name | Cat 1 | Cat 2 | Cat 3 | Cat 4 | Cat 5 |
|------|-------|-------|-------|-------|-------|
| Abel | A     |  B    |   -   |   -   |   -   |
| Cain | W     |  A    |   -   |   -   |   -   |
|------|-------|-------|-------|-------|-------|

Answer 1

用途：

#create counter column used for later columns names
df['g'] = df.groupby('Name').cumcount().add(1)
#filter top3
df = df[df['g'] <= 5]
#reshape by pivot
df2 = (df.pivot('Name','g','Category')
         .add_prefix('Type ')
         .reset_index()
         .rename_axis(None, axis=1)
         .fillna('-'))
print (df2)
   Name Type 1 Type 2 Type 3 Type 4 Type 5
0  Abel      A      B      C      E      X
1  Cain      W      A      -      -      -

编辑：使用^{}添加缺少的列：

df['g'] = df.groupby('Name').cumcount().add(1)
#filter top3
df = df[df['g'] <= 5]
#reshape by pivot
df2 = (df.pivot('Name','g','Category')
         .reindex(range(1, 6), axis=1)
         .add_prefix('Type ')
         .reset_index()
         .rename_axis(None, axis=1)
         .fillna('-'))
print (df2)
   Name Type 1 Type 2 Type 3 Type 4 Type 5
0  Abel      A      B      -      -      -
1  Cain      W      A      -      -      -