如何在Python Pandas中使用pivot和melt转换DataFrame？

bbuxkriu 于 2023-06-04 发布在 Python

关注(0)|答案(3)|浏览(135)

我有一个DataFrame

date     price num_floors    house
1  2023-01-01  94.30076          3        A
2  2023-01-01  95.58771          2        B
3  2023-01-02 102.78559          1        C
4  2023-01-03  93.29053          3        D

我想改变它，使每一列包含给定日期所有房屋的价格和num_floor。对于一列，列的前两行是指第一个房子，接下来的两行是指第二个房子。剩下的没有数据的条目用缺失值NaN填充，如下所示：

2023-01-01    2023-01-02  2023-01-03
1   94.30076     102.78559    93.29053
2          3             1           3         
3   95.58771            NA          NA
4          2            NA          NA

我使用R成功了：

df_trans <- df %>%
    pivot_longer(-date) %>%
    mutate(index=row_number(), .by = date) %>%
    pivot_wider(id_cols = index, names_from = date, values_from = value) %>%
    select(-index)

但是当我尝试使用Python时，它并不像我想要的那样工作：

df_trans = df.melt(id_vars='date')
df_trans['n'] = df_trans.groupby('date').cumcount() + 1
df_trans = df_trans.pivot(index='n', columns='date', values='value')

pandas

来源：https://stackoverflow.com/questions/76353691/how-can-i-transform-a-dataframe-using-pivot-and-melt-in-python-pandas

3条答案

按热度按时间

fgw7neuy1#

尝试：

df = df.drop(columns='house')
df['tmp'] = df.groupby('date').cumcount()
df = df.set_index(['date', 'tmp']).stack().unstack('date').reset_index(drop=True)
df.columns.name = None

print(df)

图纸：

2023-01-01  2023-01-02  2023-01-03
0    94.30076   102.78559    93.29053
1     3.00000     1.00000     3.00000
2    95.58771         NaN         NaN
3     2.00000         NaN         NaN

赞(0）回复(0）举报 2023-06-04

jvlzgdj92#

pd.concat([j.set_index("date")[["price", "num_floors"]].T \
    for i, j in df.groupby(df.groupby("date").cumcount())])

在各部分中：
1.按日期和累计计数分组，并按此分组
1.对于每个组，操作到所需的输出
1.连接群

赞(0）回复(0）举报 2023-06-04

3xiyfsfu3#

另一种可能的解决方案：

(pd.DataFrame(np.vstack([np.vstack([[x, y], [x, z]]) for x, y, z in
    zip(df['date'], df['price'], df['num_floors'])]))
 .pivot(columns=0, values=1).rename_axis(None, axis=1)
 .apply(lambda x: x.dropna(ignore_index=True)))

或者，

(df.assign(
    price = [[x,y] for x,y in zip(df['price'], df['num_floors'])])
 .pivot(columns='date', values='price')
 .apply(lambda x: x.explode(ignore_index=True))
 .rename_axis(None, axis=1)
 .apply(lambda x: x.dropna(ignore_index=True)))

输出：

2023-01-01 2023-01-02 2023-01-03
0   94.30076  102.78559   93.29053
1          3          1          3
2   95.58771        NaN        NaN
3          2        NaN        NaN

赞(0）回复(0）举报 2023-06-04

我来回答

如何在Python Pandas中使用pivot和melt转换DataFrame？

3条答案

相关问题

热门标签

最新问答