TLDR:我一直在尝试寻找一种内置解决方案来对具有重复项的非数字数据进行透视,而无需在 pandas 中进行聚合,从而使所有重复项都不会成功。我进行了自定义操作,但我想了解是否有更好的方法。
我想从这种格式获取我的数据:
CAT FLDNAME Value
0 CAT 1 DIM1 A
1 CAT 1 DIM2 B
2 CAT 1 DIM2 C
3 CAT 2 DIM1 D
4 CAT 2 DIM2 E
5 CAT 2 DIM2
到
CAT DIM1 DIM2
0 CAT 1 A B
1 CAT 1 A C
2 CAT 2 D E
2 CAT 2 D
可能性:
No duplicates among grouping columns. Does not require aggregation
- pivot
- set_index
Duplicates among grouping columns. Does require aggregation
- pivot_table
- groupby
根据 piRSquared 在 Pivot a pandas DataFrame to be the correct format: `DataError: No numeric types to aggregate` 中的总结
上述所有方法在拆栈 FLDNAME 时都需要非唯一索引,或者需要聚合。我还尝试将 set_index 与 append=True 一起使用并取消堆叠,但最终以
CAT DIM1 DIM2
0 CAT 1 A
1 CAT 1 B
2 CAT 1 C
3 CAT 2 D
4 CAT 2 E
4 CAT 2
但是,我使用以下方法从类别 (CAT) 创建了一个 DataFrame,并逐步重命名并左连接了 FLDNAME 中的分组 DIM。
cats = df.CAT.unique()
df2 = pd.DataFrame(cats, columns=['CAT'])
for i, grp in df.groupby('FLDNAME'):
grp.columns = ['CAT', 'FLDNAME', i]
df2 = df2.merge(grp[['CAT', i]], how='left', on='CAT')
有没有更好的方法可以开箱即用?
请您参考如下方法:
这太丑了!这不是我最自豪的时刻。
cols = ['CAT', 'FLDNAME']
df.set_index(
cols + [df.groupby(cols).cumcount()]
).Value.unstack('FLDNAME').ffill().reset_index(
1, drop=True
).rename_axis(None, 1).reset_index()
CAT DIM1 DIM2
0 CAT 1 A B
1 CAT 1 A C
2 CAT 2 D E
