Question

以下是我的数据框：
GS：General Shift
MS：Morning Shift
ES：晚班转换
11,22,33是employee_id

数据帧：

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

我想将该DataFrame转换为以下模式

         20/02/2017  21/02/2017  22/02/2017
          Monday       Tuesday    Wednesday
0     11    GS           MS         ES
1     22    ES           GS         MS
2     33    MS           ES         GS

所以，我正在尝试根据employee_id转换表格，我尝试了DataFrame.transpose()，但我无法让它做我需要的。

Answer 1

您可以melt使用unstack：

df =  pd.melt(df, id_vars=['Day', 'Date']).set_index(['Date','Day', 'value']).unstack([0,1])
print (df)
Date  20/02/2017 21/02/2017 22/02/2017
Day       Monday    Tuesday  Wednesday
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

stack和unstack的另一种解决方案：

df = df.set_index(['Day','Date'])
       .stack()
       .reset_index(level=2, name='a')
       .set_index('a', append=True)
       .unstack([1,0])
print (df)
Date 20/02/2017 21/02/2017 22/02/2017
Day      Monday    Tuesday  Wednesday
a                                    
11           GS         MS         ES
22           MS         GS         MS
33           ES         ES         GS

但如果得到：

ValueError：索引包含重复的条目，无法重塑

print (df)
         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  11 < 33 changed to 11
2  Wednesday  22/02/2017  33  22  11

melt和groupby的解决方案，汇总join

df =  pd.melt(df, id_vars=['Day', 'Date'])
        .groupby(['Date','Day', 'value'])['variable']
        .apply(','.join)
        .unstack([0,1])
print (df)
Date  20/02/2017 21/02/2017 22/02/2017
Day       Monday    Tuesday  Wednesday
value                                 
11            GS      MS,ES         ES
22            MS         GS         MS
33            ES       None         GS

melt和pivot_table的解决方案：

#aggregate by first value can be dangerous - lost data
df1 =  pd.melt(df, id_vars=['Day', 'Date']).pivot_table(index='value',
                           columns=['Day', 'Date'], values='variable', aggfunc='first')
print (df1)
Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES       None         GS

#better aggreagate by sum or join, data are not lost
df1 =  pd.melt(df, id_vars=['Day', 'Date']).pivot_table(index='value',
                           columns=['Day', 'Date'], values='variable', aggfunc=','.join)
print (df1)
Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS      MS,ES         ES
22            MS         GS         MS
33            ES       None         GS

df1 =  pd.melt(df, id_vars=['Day', 'Date']).pivot_table(index='value',
                           columns=['Day', 'Date'], values='variable', aggfunc='sum')
print (df1)
Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS       MSES         ES
22            MS         GS         MS
33            ES       None         GS

Answer 2

如果你融化然后转动你可以得到：

<强>代码：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

测试代码：

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

<强>结果：

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

Answer 3

您可以迭代数据框并根据当前的数据创建新的数据框，只有我们将两列连接在一起：

data = []
for row in df.itertuples():
    data.append([
        # row[2]: Day, row[1]: Date
        '{} {}'.format(row[2],row[1]), 
        *row[3:],
    ])

new_df = pd.DataFrame(data)

重新排列pandas中的Dataframe

3 个答案: