Question

我有一个如下所示的数据框（前3行）：

Sample_Name Sample_ID   Sample_Type IS  Component_Name  IS_Name Component_Group_Name    Outlier_Reasons Actual_Concentration    Area    Height  Retention_Time  Width_at_50_pct Used    Calculated_Concentration    Accuracy
Index                                                               
1   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown True    GluCer(d18:1/12:0)_LCB_264.3    NaN NaN NaN 0.1 2.733532e+06    5.963840e+05    2.963911    0.068676    True    NaN NaN
2   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown True    GluCer(d18:1/17:0)_LCB_264.3    NaN NaN NaN 0.1 2.945190e+06    5.597470e+05    2.745026    0.068086    True    NaN NaN
3   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown False   GluCer(d18:1/16:0)_LCB_264.3    GluCer(d18:1/17:0)_LCB_264.3    NaN NaN NaN 3.993535e+06    8.912731e+05    2.791991    0.059864    True    125.927659773487    NaN

尝试生成数据透视表时：

pivoted_report_conc = raw_report.pivot(index = "Sample_Name", columns = 'Component_Name', values = "Calculated_Concentration")

我收到以下错误：

ValueError: Index contains duplicate entries, cannot reshape

我尝试重置索引，但没有帮助。我无法在＆＃34;索引＆＃34;中找到任何重复的值。柱。有人可以帮忙在这里找出问题吗？

预期的输出将是一个重新整形的数据框，只有唯一的组件名称作为列和每个样本名称的相应浓度：

Sample_Name    GluCer(d18:1/12:0)_LCB_264.3    GluCer(d18:1/17:0)_LCB_264.3    GluCer(d18:1/16:0)_LCB_264.3
20170824_ELN147926_HexLacCer_Plasma_A-1-1    NaN    NaN    125.927659773487

为了澄清，我不打算聚合数据，只是重塑它。

Answer 1

您可以使用groupby()和unstack()来解决您使用pivot()看到的错误。

以下是一些示例数据，添加了一些边缘案例，删除了某些列值或替换了MCVE：

# df
      Sample_Name  Sample_ID     IS Component_Name Calculated_Concentration Outlier_Reasons
Index                                                                    
1             foo        NaN   True              x                  NaN              NaN  
1             foo        NaN   True              y                  NaN              NaN 
2             foo        NaN   False             z            125.92766              NaN 
2             bar        NaN   False             x                 1.00              NaN  
2             bar        NaN   False             y                 2.00              NaN  
2             bar        NaN   False             z                  NaN              NaN  

(df.groupby(['Sample_Name','Component_Name'])
   .Calculated_Concentration
   .first()
   .unstack()
)

输出：

Component_Name    x   y          z
Sample_Name                       
bar             1.0 2.0        NaN
foo             NaN NaN  125.92766

Answer 2

您应该能够使用所记录的here pandas.pivot_table()功能来完成您要执行的操作。

将您的数据框存储为df，请使用以下代码：

import pandas as pd
df = pd.read_table('table_from_which_to_read')

new_df = pd.pivot_table(df,index=['Simple Name'], columns = 'Component_Name', values = "Calculated_Concentration")

如果您想要除浓度值的平均值以外的其他值，则需要更改aggfunc参数。

修改

由于您不希望对这些值进行汇总，因此您可以使用DataFrame上的set_index函数并使用找到的文档here来重新整形数据。

import pandas as pd df = pd.DataFrame({'NonUniqueLabel':['Item1','Item1','Item1','Item2'], 'SemiUniqueValue':['X','Y','Z','X'], 'Value':[1.0,100,5,None]) new_df = df.set_index(['NonUniqueLabel','SemiUniqueLabel'])

结果表应该看起来像您期望的结果，并且将具有多索引。

Pandas数据透视表ValueError：索引包含重复的条目，无法重新整形

2 个答案: