Question

从这个系统的方法是什么：

x = {'col0': [1, 1, 2, 2], 'col1': ['a', 'b', 'a', 'b'],
     'col2': ['x', 'x', 'x', 'x'], 'col3': [12, 13, 14, 15]}
y = pd.DataFrame(data=x)
y
   col0 col1 col2 col3
0    1     a    x   12
1    1     b    x   13
2    2     a    x   14
3    2     b    x   15

对此：

y2
   col0  col3__a_x  col3__b_x
0     1         12       13
1     2         14       15

我最初在来自R的reshape2包中考虑类似cast的内容。但是，我对Pandas / Python的熟悉程度远远低于我对R的熟悉程度。

在我使用col1的数据集中有3个不同的值，col2是相同的值，~200,000行，以及〜80个其他列，可以添加后缀。

Answer 1

您需要pviot和列faltten

s=pd.pivot_table(y,index='col0',columns=['col1','col2'],values='col3')
s.columns=s.columns.map('_'.join)
s.add_prefix('col3_').reset_index()
Out[1383]: 
   col0  col3_a_x  col3_b_x
0     1        12        13
1     2        14        15

Answer 2

如果没有结果行和列的多个值，则可以使用set_index和unstack执行此操作，否则您将不得不使用聚合方法，例如pivot_table或groupby：

df_out = y.set_index(['col0','col1','col2']).unstack([1,2])
df_out.columns = df_out.columns.map('_'.join)
df_out.reset_index()

输出：

   col0  col3_a_x  col3_b_x
0     1        12        13
1     2        14        15

或使用groupby的多个值：

df_out = y.groupby(['col0','col1','col2']).mean().unstack([1,2])
df_out.columns = df_out.columns.map('_'.join)
df_out.reset_index()

Answer 3

使用pd.factorize和Numpy切片分配，我们可以构建我们需要的数据框。

i, r = pd.factorize(df.col0)
j, c = pd.factorize(df.col1.str.cat(df.col2, '_'))
b = np.zeros((r.size, c.size), np.int64)
b[i, j] = df.col3.values

d = pd.DataFrame(
    np.column_stack([r, b]),
    columns=['col0'] + ['col3__' + col for col in c]
)

d

   col0  col3__a_x  col3__b_x
0     1         12         13
1     2         14         15

Answer 4

我认为@Wen的解决方案可能更好，因为它是纯pandas，但如果你想使用numpy，这里有另一个解决方案：

import numpy as np

d = y.groupby('col0').apply(lambda x: x['col3']).unstack().values
d = d[~np.isnan(d)].reshape(len(d),-1)
new_df = pd.DataFrame(d).reset_index().rename(columns={'index': 'col0', 0: 'col3_a_x', 1:'col3_b_x'})

>>> new_df
   col0  col3_a_x  col3_b_x
0     0      12.0      13.0
1     1      14.0      15.0

将长数据帧转换为宽数据帧

4 个答案: