将熊猫数据框的行转换为列

Question

拥有两个像这样的熊猫数据框：

Key Value
A    2
A    6
B    7
A    1
B    3
B    4
A    2

我怎样才能以这样的方式重塑：

A B
2 7
6 3
1 4
2 NaN

Answer 1

您可以使用update doguAkdenizApp.team set name='' where some condition 与where id = 3一起创建新的groupby值：

apply

pivot的另一个解决方案，并cumcount创建新的index值：

df = df.groupby('Key').Value.apply(lambda x: pd.Series(x.values)).unstack(0)
print (df)
Key  A  B
0    2  7
1    6  3
2    1  4
3    2  0

index

Answer 2

pandas

将pd.concat与列表理解和np.unique

一起使用

s = pd.Series(df.Value.values, df.Key.values)
u = np.unique(s.index.values).tolist()
pd.concat([s.loc[k].reset_index(drop=True) for k in u], axis=1, keys=u)

   A    B
0  2  7.0
1  6  3.0
2  1  4.0
3  2  NaN

numpy

# np.unique can return value counts and an inverse array
# the inverse array will be very helpful in slicing the final
# array we are trying to fill
u, inv, c = np.unique(df.Key.values, return_inverse=True, return_counts=True)

# construct empty array to fill with values
# number of rows equal to the maximum value count
# number of columns equal to the number of unique values
new = np.empty((c.max(), len(u)), dtype=np.float)
new.fill(np.nan)

# construct handy cumulative count per unique value
rows = np.arange(len(inv)) - np.append(0, c[:-1]).repeat(c)

# use slicing arrays to fill empty array
new[rows, inv] = df.Value.values

pd.DataFrame(new, np.arange(c.max()), u)

   A    B
0  2  7.0
1  6  3.0
2  1  4.0
3  2  NaN

时间测试