Question

这是一个简单的DataFrame：

> df = pd.DataFrame({'a': ['a1', 'a2', 'a3'],
                     'b': ['optional1', None, 'optional3'],
                     'c': ['c1', 'c2', 'c3'],
                     'd': [1, 2, 3]})
> df

    a          b   c  d
0  a1  optional1  c1  1
1  a2       None  c2  2
2  a3  optional3  c3  3

Pivot方法1

数据可以转到此：

> df.pivot_table(index=['a','b'], columns='c')
                d     
c              c1   c3
a  b                  
a1 optional1  1.0  NaN
a3 optional3  NaN  3.0

下行：由于df['b'][1] == None，第二行的数据会丢失。

Pivot方法2

> df.pivot_table(index=['a'], columns='c')
      d          
c    c1   c2   c3
a                
a1  1.0  NaN  NaN
a2  NaN  2.0  NaN
a3  NaN  NaN  3.0

下行：列b丢失。

如何组合这两个方法，以便列b和第二行保持如下：

                d     
c              c1   c2   c3
a  b                  
a1 optional1  1.0  NaN  NaN
a2      None  NaN  2.0  NaN
a3 optional3  NaN  NaN  3.0

更一般地：如果密钥的值为NaN，如何在轮播期间保留一行信息？

Answer 1

使用set_index和unstack执行支点：

df = df.set_index(['a', 'b', 'c']).unstack('c')

这实际上是大熊猫对pivot所做的under the hood。 stack和unstack方法与pivot密切相关，通常可用于执行与内置数据透视功能不完全一致的类似枢轴的操作。

结果输出：

                d          
c              c1   c2   c3
a  b                       
a1 optional1  1.0  NaN  NaN
a2 NaN        NaN  2.0  NaN
a3 optional3  NaN  NaN  3.0

Answer 2

您可以使用fillna替换None条目：

df['b'] = df['b'].fillna('foo')
df.pivot_table(index=['a','b'], columns=['c'])
----
                    d          
c              c1   c2   c3
a  b                       
a1 optional1  1.0  NaN  NaN
a2 foo        NaN  2.0  NaN
a3 optional3  NaN  NaN  3.0

Answer 3

使用这个：

def pivot_table(df, index, columns, values):
    df = df[index + columns + values]
    i  = len(index)
    df = df.set_index(index+columns).unstack(columns).reset_index()
    df.columns = df.columns.droplevel(1)[:i].append(df.columns.droplevel(0)[i:])
    return df

pivot_table(df, index =['a', 'b'], columns= ['c'], values= ['d'])

Answer 4

您可以使用fillna将类型None替换为字符串“ NULL”

说... df.fillna（“ NULL”）。pivot_table（index = ['a']，columns ='c'）

pivot_table索引中的NaN值会导致数据丢失

Pivot方法1

Pivot方法2

4 个答案: