我正在构建用于公共交通数据的分析工具,并希望对熊猫数据框中的数据进行重新排序,可以使用以下示例对其进行最好的解释:
我最初的数据形状是:
Population GDP per capita
date 2015 2016 2017 2015 2016 2017
country
France 66593366.0 66859768.0 67118648.0 40564.460707 41357.986933 42850.386280
Germany 81686611.0 82348669.0 82695000.0 47810.836011 48943.101805 50638.890964
Italy 60730582.0 60627498.0 60551416.0 36640.115578 38380.172412 39426.940797
Spain 46444832.0 46484062.0 46572028.0 34818.120507 36305.222132 37997.852337
我将不调整数据框的形状,以使日期为顶级索引,而当前的较低级别信息Population
和GDP per capita
位于较低级别。结果数据帧应如下所示:
2015 2016 2017
date Population GDP per capita Population GDP per capita Population GDP per capita
country
France 66593366.0 40564.460707 66859768.0 41357.986933 67118648.0 42850.386280
Germany 81686611.0 47810.836011 82348669.0 48943.101805 82695000.0 50638.890964
Italy 60730582.0 36640.115578 60627498.0 38380.172412 60551416.0 39426.940797
Spain 46444832.0 34818.120507 46484062.0 36305.222132 46572028.0 37997.852337
如何使用熊猫实现这一目标?我一直在尝试swaplevel
,但无法获得预期的结果。
数据帧是通过pivot
操作从以下数据中获取的:
country date Population GDP per capita GNI per capita
1 Germany 2017 82695000.0 50638.890964 51680.0
2 Germany 2016 82348669.0 48943.101805 49770.0
3 Germany 2015 81686611.0 47810.836011 48690.0
60 Spain 2017 46572028.0 37997.852337 37990.0
61 Spain 2016 46484062.0 36305.222132 36300.0
62 Spain 2015 46444832.0 34818.120507 34740.0
119 France 2017 67118648.0 42850.386280 43790.0
120 France 2016 66859768.0 41357.986933 42020.0
121 France 2015 66593366.0 40564.460707 41100.0
237 Italy 2017 60551416.0 39426.940797 39640.0
238 Italy 2016 60627498.0 38380.172412 38470.0
239 Italy 2015 60730582.0 36640.115578 36440.0
以及以下pivot
:
df_p = df_small.pivot(
index='country',
columns='date',
values=['Population', 'GDP per capita'])
答案 0 :(得分:2)
交换级别和sort_index,
df_p.columns = df_p.columns.swaplevel(1,0)
df_p = df_p.sort_index(axis = 1)
date 2015 2016 2017
GDP per capita Population GDP per capita Population GDP per capita Population
country
France 40564.460707 66593366.0 41357.986933 66859768.0 42850.386280 67118648.0
Germany 47810.836011 81686611.0 48943.101805 82348669.0 50638.890964 82695000.0
Italy 36640.115578 60730582.0 38380.172412 60627498.0 39426.940797 60551416.0
Spain 34818.120507 46444832.0 36305.222132 46484062.0 37997.852337 46572028.0
答案 1 :(得分:1)
从广义上讲,您想要执行以下操作:
df.pivot(index='country', columns='date', values=['GDP per capita' , 'Population']) \
.reorder_levels(['date', None], axis=1) \ # the multiindex doesn't get a name, so None
.sort_index(level=[0, 1], axis=1, ascending=[True, False])
首先,您要进行数据透视。然后,重新排列级别以将日期放在顶部。但这会产生一些不太正确的信息,然后MultiIndex会为每个元素提供一个条目。
因此,第二步,按列索引的级别对它们进行分组。最后,您将得到:
date 2015 2016 2017
Population GDP per capita Population GDP per capita Population GDP per capita
country
France 66593366.0 40564.460707 66859768.0 41357.986933 67118648.0 42850.386280
Germany 81686611.0 47810.836011 82348669.0 48943.101805 82695000.0 50638.890964
Italy 60730582.0 36640.115578 60627498.0 38380.172412 60551416.0 39426.940797
Spain 46444832.0 34818.120507 46484062.0 36305.222132 46572028.0 37997.852337
此外,找到一种轻松读取数据的方法也很棒,而不必使用pd.read_csv(string_io_obj, sep='\s\s+')
来完善系统,但这只是个小问题。
通过传递两个级别的明确排序指令,您还可以使level=1
的列具有相反的顺序,以在人均GDP之前获得“人口”。在某些情况下,如果有人想要显式排序而不是同时出现字母顺序(或相反),这可能就行不通了。