Question

我对pandas中的groupby（）有一个问题

如果我有一个DataFrame ＆＃34; df＆＃34; 喜欢

    user  day  click
0   U1    Mon  15
1   U2    Mon  7 
2   U1    Wed  15 
3   U3    Tue  21
4   U2    Tue  15
5   U2    Tue  10

当我使用 df.groupby（[＆＃39;用户＆＃39;，＆＃39;日＆＃39;]）。sum（）
这将是

            click  
user  day
U1    Mon   15
      Tue   NaN
      Wed   15
U2    Mon   7
      Tue   25
      Wed   NaN
U3    Mon   NaN
      Tue   21
      Wed   NaN

如何获得像这样的DataFrame

day    Mon   Tue   Wed
user
U1     15    NaN   15
U2     7     25    NaN
U3     NaN   21    NaN

这意味着将一列转换为DataFrame的列名有没有办法做到这一点？

Answer 1

使用包含日期作为列的数据透视功能，并填写点击次数。

['痛い']

或者您只能重置第二级索引，因此您不需要在数据透视功能中指定索引列。

df.groupby(['user', 'day']).sum().reset_index()\
  .pivot(index='user',columns='day',values='click')
Out[388]: 
day    Mon   Tue   Wed
user                  
U1    15.0   NaN  15.0
U2     7.0  25.0   NaN
U3     NaN  21.0   NaN

Answer 2

使用unstack（）的另一种方法：

df=df.groupby(['user', 'day']).sum().unstack('day') #unstack
df.columns = df.columns.droplevel() # drop first level column name
df

输出：

day  Mon  Tue  Wed
user            
U1   15.0 NaN  15.0
U2   7.0  25.0 NaN
U3   NaN  21.0 NaN

Python pandas - DataFrame groupby和重新构建

2 个答案: