如何将一组列标题与其在Pandas中的值进行交换

Question

我有以下数据框：

a1  | a2  | a3  | a4 
--------------------- 
Bob | Cat | Dov | Edd 
Cat | Dov | Bob | Edd
Edd | Cat | Dov | Bob

我希望将其转换为

Bob | Cat | Dov | Edd
---------------------
a1  | a2  | a3  | a4
a3  | a1  | a2  | a4
a4  | a2  | a3  | a1

请注意，列数等于唯一值的数量，并保留行的数量和顺序

Answer 1

1） 所需方法：

更快的实现方法是对数据帧的值进行排序，并根据np.argsort之后获得的索引对齐列。

pd.DataFrame(df.columns[np.argsort(df.values)], df.index, np.unique(df.values))

应用np.argsort为我们提供了我们正在寻找的数据：

df.columns[np.argsort(df.values)]
Out[156]:
Index([['a1', 'a2', 'a3', 'a4'], ['a3', 'a1', 'a2', 'a4'],
       ['a4', 'a2', 'a3', 'a1']],
      dtype='object')

2） 缓慢的广义方法：

以一些速度/效率为代价的更通用的方法是在创建数据框中存在的字符串/值及其相应列名的apply映射之后使用dict。

将获得的系列转换为list表示后，请稍后使用数据框构造函数。

pd.DataFrame(df.apply(lambda s: dict(zip(pd.Series(s), pd.Series(s).index)), 1).tolist()) 

3） 更快的通用方法：

从df.to_dict + orient='records'获取字典列表后，我们需要交换相应的键值和值对，同时循环迭代它们。

pd.DataFrame([{val:key for key, val in d.items()} for d in df.to_dict('r')])

示例测试用例：

df = df.assign(a5=['Foo', 'Bar', 'Baz'])

这两种方法都产生：

@piRSquared编辑 ¹

广义解决方案

def nic(df):
    v = df.values
    n, m = v.shape
    u, inv = np.unique(v, return_inverse=1)
    i = df.index.values
    c = df.columns.values
    r = np.empty((n, len(u)), dtype=c.dtype)
    r[i.repeat(m), inv] = np.tile(c, n)
    return pd.DataFrame(r, i, u)

¹ _{我要感谢用户@ piRSquared想出一个非常快速且通用的基于numpy的替代解决方案。}

Answer 2

您可以使用堆栈重新整形并使用交换值和索引取消堆栈：

df_swap = (df.stack()                     # reshape the data frame to long format
             .reset_index(level = 1)      # set the index(column headers) as a new column
             .set_index(0, append=True)   # set the values as index
             .unstack(level=1))           # reshape the data frame to wide format

df_swap.columns = df_swap.columns.get_level_values(1)   # drop level 0 in the column index
df_swap

Answer 3

<?= GridView::widget([ 'dataProvider' => $dataProvider, 'columns' => [ ['class' => 'yii\grid\SerialColumn'], 'idvideo', 'event_type', 'event_timestamp', 'filelocation', //['class' => 'yii\grid\ActionColumn'], ], ]); ?> + numpy

pandas