Question

给出以下数据框：

results = pd.DataFrame({'Contractor':[1,1,0,0,0,1],
                    'President':[1,0,0,0,1,1],
                   'Item 1':[1,1,0,0,1,np.nan],
                   'Item 2':[1,0,0,1,0,1]})
results[['Contractor','President','Item 1','Item 2']]

results

    Contractor  President   Item 1  Item 2
0        1          1       1       1
1        1          0       1       0
2        0          0       0       0
3        0          0       0       1
4        0          1       1       0
5        1          1       NaN     1

这是为了参考项目（见下文）：

    Position    Item(s)
0   Contractor  1
1   President   1,2

...我想转动数据来产生这个：

    Position    Overall%
0   Contractor  100
1   President   80

......基于这个逻辑：

因为总统关注的是第1项和第2项，所以需要考虑5个数字：第1项中的（1和1）以及项目2中的（1,0和1）。项目之间的总和< / strong>为4，项目的计数为5（不计算'NaN'），这为80％。

因为承包商只关注第1项，所以需要考虑2个数字：1和1 - 'NaN'不应计算 - （分别来自感兴趣的行）。因此，总和是计数中的2，即2，这给出了100％

提前致谢！

Answer 1

     Position  Overall%
0  Contractor     100.0
1   President      80.0

产量

results

解释：Hadley Wickham有一篇文章（PDF）提出了这些优点制作数据＆＃34; tidy＆＃34;。主要原则是每行应该代表＆＃34;观察＆＃34;每列代表一些因素或变量。

经常会发现您需要用来表达计算的工具一旦数据整洁，它将很自然地落到位。这个问题的难度很大程度上来自数据不整齐。

考虑In [405]: results Out[405]: Contractor Item 1 Item 2 President 0 1 1.0 1 1 1 1 1.0 0 0 2 0 0.0 0 0 3 0 0.0 1 0 4 0 1.0 0 1 5 1 NaN 1 1：

Contractor

不是为President和Position设置单独的列，而是有一个名为Position的列更好，因为Position是变量，每个观察或行可以包含Contractor的一个值 - President或Item 1。同样，Item 2和Item应合并为一列In [416]: melted Out[416]: Position Item value 0 Contractor Item 1 1.0 1 Contractor Item 1 1.0 2 Contractor Item 1 NaN 3 President Item 1 1.0 4 President Item 1 1.0 5 President Item 1 NaN 6 Contractor Item 2 1.0 7 Contractor Item 2 0.0 8 Contractor Item 2 1.0 9 President Item 2 1.0 10 President Item 2 0.0 11 President Item 2 1.0：

melted

results包含与value相同的信息，但格式整齐。 results[['Item 1', 'Item 2']]列包含results['Contractor']中的值。每行对应一个＆＃34;观察＆＃34;其中In [407]: reference Out[407]: Item(s) Position 0 (1,) Contractor 1 (1, 2) President或结果[＆＃39;总统＆＃39;]等于1，因为计算的逻辑只需要这些值。

同样，而不是

Item

拥有一个列为Position和In [408]: longref Out[408]: Item Position 0 Item 1 Contractor 1 Item 1 President 2 Item 2 President的DataFrame会更整洁：

melted

以longref和merged = pd.merge(longref, melted, how='left') # Item Position value # 0 Item 1 Contractor 1.0 # 1 Item 1 Contractor 1.0 # 2 Item 1 Contractor NaN # 3 Item 1 President 1.0 # 4 Item 1 President 1.0 # 5 Item 1 President NaN # 6 Item 2 President 1.0 # 7 Item 2 President 0.0 # 8 Item 2 President 1.0 grouped = merged.groupby(['Position']) result = (grouped['value'].sum() / grouped['value'].count())*100 result = result.rename('Overall%').reset_index()的形式获得整洁的数据版本后，计算所需的结果非常简单：

reference

如何整理longref以reference ：

只需遍历longref行，并为每一行迭代项目元组以构建新的DataFrame，longref = pd.DataFrame([('Item {}'.format(item), row['Position']) for index, row in reference.iterrows() for item in row['Item(s)']], columns=['Item', 'Position'])：

results

如何整理melted以pd.melt ：

可以通过两次调用pd.melt来完成。 melted = pd.melt(results, id_vars=['Item 1','Item 2'], var_name='Position') # we only care about rows where Contractor or President value was 1. So use .loc to select those rows. melted = melted.loc[melted['value']==1] # Item 1 Item 2 Position value # 0 1.0 1 Contractor 1 # 1 1.0 0 Contractor 1 # 5 NaN 1 Contractor 1 # 6 1.0 1 President 1 # 10 1.0 0 President 1 # 11 NaN 1 President 1转换＆＃34;广泛＆＃34;格式为＆＃34;长＆＃34;格式化DataFrames。它可以将多个列合并为一个列。例如，要将Contractor和President列合并到一个Position列中，您可以使用：

Item 1

同样，要将Item 2和Item列合并为一个melted = pd.melt(melted, id_vars=['Position'], value_vars=['Item 1','Item 2'], var_name='Item') # Position Item value # 0 Contractor Item 1 1.0 # 1 Contractor Item 1 1.0 # 2 Contractor Item 1 NaN # 3 President Item 1 1.0 # 4 President Item 1 1.0 # 5 President Item 1 NaN # 6 Contractor Item 2 1.0 # 7 Contractor Item 2 0.0 # 8 Contractor Item 2 1.0 # 9 President Item 2 1.0 # 10 President Item 2 0.0 # 11 President Item 2 1.0列，请使用：

{{1}}

熊猫数据透视表与花式堆叠

1 个答案: