Question

我在下面的示例中的表单后面有一个pandas数据框：

data = {'id': [1,1,1,1,2,2,2,2,3,3,3], 'a': [-1,1,1,0,0,0,-1,1,-1,0,0], 'b': [1,0,0,-1,0,1,1,-1,-1,1,0]}
df = pd.DataFrame(data)

现在，我想要做的是创建一个数据透视表，这样对于除id之外的每个列，我将有3个与该值对应的新列。也就是说，对于列a，我将创建a_neg，a_zero和a_pos。同样，对于b，我将创建b_neg，b_zero和b_pos。这些新列的值将与这些值在原始a和b列中显示的次数相对应。最终的数据框应如下所示：

result = {'id': [1,2,3], 'a_neg': [1, 1, 1],
      'a_zero': [1, 2, 2], 'a_pos': [2, 1, 0],
      'b_neg': [1, 1, 1], 'b_zero': [2,1,1], 'b_pos': [1,2,1]}
df_result = pd.DataFrame(result)

现在，为此，我可以执行以下步骤并得出最终答案：

by_a = df.groupby(['id', 'a']).count().reset_index().pivot('id', 'a', 'b').fillna(0).astype(int)
by_a.columns = ['a_neg', 'a_zero', 'a_pos']

by_b = df.groupby(['id', 'b']).count().reset_index().pivot('id', 'b', 'a').fillna(0).astype(int)
by_b.columns = ['b_neg', 'b_zero', 'b_pos']

df_result = by_a.join(by_b).reset_index()

但是，我认为这种方法并不是最优的，特别是如果除a和b之外我有很多原始列。是否有更短和/或更有效的解决方案来获得我想要实现的目标？感谢。

Answer 1

一个较短的解决方案，但仍然效率不高：

In [11]: df1 = df.set_index("id")

In [12]: g = df1.groupby(level=0)

In [13]: g.apply(lambda x: x.apply(lambda x: x.value_counts())).fillna(0).astype(int).unstack(1)
Out[13]:
    a        b
   -1  0  1 -1  0  1
id
1   1  1  2  1  2  1
2   1  2  1  1  1  2
3   1  2  0  1  1  1

注意：我认为您应该针对多索引列。

我有理由相信我已经看到了用更清洁，更高效的东西删除apply / value_count / fillna的技巧，但目前却没有我......

使用Pandas中的多个列创建数据透视表数据框架

1 个答案: