Question

我试图在pandas.dataframe对象上调用pivot_table函数。这是调用pivot_table函数之前的对象示例：

      Bid     Symb     Ask      DateTime
 0    201000  ESU6     201050   2016-06-19 18:59:58.337134544-05:00
 1    201025  ESU6     201075   2016-06-19 18:59:58.337134544-05:00
 2    201000  ESU6     201025   2016-06-19 18:59:59.611987128-05:00
 3    200975  ESU6     201025   2016-06-19 18:59:59.995825670-05:00

如您所见，DateTime列中存在重复值。我想调用pivot_table函数result = object.pivot_table(columns='Symb', values=['Bid','Ask','DateTime'], index=result.index)，以便得到以下数据帧对象：

          Bid     Ask     DateTime
 Symb     ESU6    ESU6    ESU6
 0        201000  201050  2016-06-19 18:59:58.337134544-05:00
 1        201025  201075  2016-06-19 18:59:58.337134544-05:00
 2        201000  201025  2016-06-19 18:59:59.611987128-05:00
 3        200975  201025  2016-06-19 18:59:59.995825670-05:00

但是，DateTime具有非数字值，因此不会合并到pivot_table函数的输出中。最后，我想将此作为最终结果：

                                      Bid.ESU6  Ask.ESU6
 DateTime
 2016-06-19 18:59:58.337134544-05:00  201000    201050
 2016-06-19 18:59:58.337134544-05:00  201025    201075
 2016-06-19 18:59:59.611987120-05:00  201000    201025
 2016-06-19 18:59:59.995825670-05:00  200975    201025

[注意：问题是pivot_table首先不允许非唯一索引（或者更确切地说，它会截断数据，使得索引是唯一的），所以我不能只调用result = object.pivot_table(columns='Symb', values=['Bid','Ask'], index=object['DateTime'])。此外，如果我将整数作为索引，它将不允许我简单地调用result = object.pivot_table(columns='Symb', values=['Bid','Ask','DateTime'], index=object.index)，因为DateTime列由非数字值组成，导致pivot_table结果只是排除DateTime列。另一种解决方法是将DateTime转换为表示日期时间的数值，然后转换回来，但这是资源昂贵的并且花费太多时间，因为我的数据帧对象有100,000多行。]

提前感谢您的帮助！

Answer 1

您可以按照列index的值进行旋转后设置新的DateTime：

result = object.pivot_table(columns='Symb', values=['Bid','Ask'], index=object.index)
result.index = object.DateTime
#remove Multiindex in columns
result.columns = ['.'.join(col) for col in result.columns]
print (result)
                                     Bid.ESU6  Ask.ESU6
DateTime                                               
2016-06-19 18:59:58.337134544-05:00    201000    201050
2016-06-19 18:59:58.337134544-05:00    201025    201075
2016-06-19 18:59:59.611987128-05:00    201000    201025
2016-06-19 18:59:59.995825670-05:00    200975    201025

将pandas.dataframe.pivot_table与非数字，非唯一值一起使用

1 个答案: