Question

我有两个不同的元组列表，它们被转换为pandas数据帧：

ls1 = [(1,"A",2),(1,"B",1),(1,"C",3),(2,"A",4),(2,"B",4,),(2,"C",5)]
ls2 = [(1,"A",2),(1,"C",3),(1,"B",1),(1,"D",6),(2,"A",4),(2,"C",5),(2,"B",4,)]
df1 = pandas.DataFrame(ls1, columns=['ID', 'Class', 'count'])
df2 = pandas.DataFrame(ls2, columns=['ID', 'Class', 'count'])

现在我想从两个数据框中创建一个数据透视表，其中包含类＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34; C＆＃34的列名;，＆＃34; D＆＃34;。因此，所有四个列名称（如果可能，也按指定顺序）应存在于生成的数据透视表中。如果ID-Class组合没有计数，则应填写例如为NaN。

dfpivot1 = df1.pivot(index='ID', columns='Class', values='count')
dfpivot2 = df2.pivot(index='ID', columns='Class', values='count')

>>> dfpivot1
Class  A  B  C
ID            
1      2  1  3
2      4  4  5
>>>

使用pandas中的.pivot为df1提供了一个数据透视表，但只有三个类列（＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34; C＆＃34）。因此，需要修改dfpivot1以使列具有＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34; C＆＃34;和＆＃34; D＆＃34;因此，与dfpivot2的列完全匹配。当我从元组列表开始时，其他方法（不使用pandas）可能会很有趣。

Answer 1

我认为您需要为所有缺失的列添加reindex_axis或reindex以填充NaN：

cols = ['A','B','C','D']
dfpivot1 = df1.pivot(index='ID', columns='Class', values='count').reindex_axis(cols, axis=1)
print (dfpivot1)
Class  A  B  C   D
ID                
1      2  1  3 NaN
2      4  4  5 NaN

也可以指定fill_value参数：

cols = ['A','B','C','D']
dfpivot1 = df1.pivot(index='ID', columns='Class', values='count')
              .reindex_axis(cols, fill_value=0, axis=1)
print (dfpivot1)
Class  A  B  C  D
ID               
1      2  1  3  0
2      4  4  5  0

cols = ['A','B','C','D']
dfpivot1 = df1.pivot(index='ID', columns='Class', values='count').reindex(columns=cols)
print (dfpivot1)
Class  A  B  C   D
ID                
1      2  1  3 NaN
2      4  4  5 NaN

Pandas使用指定（附加）列进行透视

1 个答案: