Question

我有一个df试图将其非正规化。基本上，我想将'inst-cap-c'，'cap-lo-c'等参数值更改为列。

为此，pandas lib中有2种方法。我和他们两个都遇到了一些问题，无法对这个df进行非规范化处理。

df如下所示（为简单起见...）：

data       
   Site  Storage Commodity     parameter    value
0  Mid   Pump    Elec         inst-cap-c        0
1  Mid   Pump    Elec           cap-lo-c        0
2  Mid   Pump    Elec           cap-up-c  1.5e+15
3  Mid   Pump    Elec         inst-cap-p        0
4  Mid   Pump    Elec           cap-lo-p        0
...
52 South Pump    Elec               wacc     0.07
53 South Pump    Elec       depreciation       50
54 South Pump    Elec               init        1
55 South Pump    Elec          discharge  3.5e-06
56 South Pump    Elec           ep-ratio     None

当我尝试通过以下方式创建具有参数值的列

data.pivot_table(values='value',
                 index=['Site', 'Storage', 'Commodity'],
                 columns='parameter')

它只是说：*** pandas.core.base.DataError: No numeric types to aggregate

我猜这是因为None的{{1}}值，我不能在ep-ratio上使用NaN，因为它产生了其他问题。

那么我该如何对该数据帧进行非规范化？

预期结果：

None

额外：

data       
   Site    Storage  Commodity  inst-cap-c  cap-lo-c cap-up-c ... ep-ratio
0  Mid     Pump     Elec                0         0  1.5e+15 ...     None
1  North   Pump     Elec                0         0  1.5e+15 ...     None
2  South   Pump     Elec                0         0  1.5e+15 ...     None

我也对此进行了检查：pivot_table No numeric types to aggregate并没有帮助

Answer 1

您已接近，需要将parameter列添加到列表中，在unstack之前选择列value，最后将reset_index与rename_axis一起使用以进行数据清理：< / p>

df = (data.set_index(['Site', 'Storage','Commodity','parameter'])['value']
          .unstack()
          .reset_index()
          .rename_axis(None, axis=1))
print (df)
    Site Storage Commodity cap-lo-c cap-lo-p cap-up-c depreciation discharge  \
0    Mid    Pump      Elec        0        0  1.5e+15          NaN       NaN   
1  South    Pump      Elec      NaN      NaN      NaN           50   3.5e-06   

  ep-ratio init inst-cap-c inst-cap-p  wacc  
0      NaN  NaN          0          0   NaN  
1     None    1        NaN        NaN  0.07

将数据透视表（）转换为df无需聚合任何数字

1 个答案: