在这篇文章中提出这个问题让我深感尴尬,因为我确定它完全是初级。然而,我花了最后两个小时仔细研究 pandas 文档,并尝试了一切,但无济于事......
例如,考虑这样一个数据框:
A B C D x y z
0 a0 b0 c0 d0 0.007 0.710 0.990
1 a0 b0 c0 d1 0.283 0.040 1.027
2 a0 b0 c1 d0 0.017 0.688 2.840
3 a0 b0 c1 d1 0.167 0.132 2.471
4 a0 b1 c0 d0 0.041 0.851 1.078
5 a0 b1 c0 d1 0.235 1.027 1.027
6 a0 b1 c1 d0 0.037 0.934 2.282
7 a0 b1 c1 d1 0.023 1.049 2.826
8 a1 b0 c0 d0 0.912 0.425 1.055
9 a1 b0 c0 d1 0.329 0.932 0.836
10 a1 b0 c1 d0 0.481 0.681 0.997
11 a1 b0 c1 d1 0.782 0.595 2.294
12 a1 b1 c0 d0 0.264 0.918 0.857
13 a1 b1 c0 d1 0.053 1.001 0.920
14 a1 b1 c1 d0 1.161 1.090 1.470
15 a1 b1 c1 d1 0.130 0.992 2.121
请注意,A、B、C 和 D 列的不同值的每个组合都会出现在此数据框中恰好一次。因此,可以将此列子集视为“键列”,将其余列视为“值列”1。
我想通过“取消堆叠”C 列从这个框架生成一个新框架。我的意思是,对于剩余“关键列”(A、B 和D)的每个不同值组合, C 列的值会在新框架中产生相应的“值列”。
例如,如果我们暂时忽略列 x 和 y,我上面提到的拆栈操作将生成数据帧:
A B D c0 c1
0 a0 b0 d0 0.990 2.840
1 a0 b0 d1 1.027 2.471
2 a0 b1 d0 1.078 2.282
3 a0 b1 d1 1.027 2.826
4 a1 b0 d0 1.055 0.997
5 a1 b0 d1 0.836 2.294
6 a1 b1 d0 0.857 1.470
7 a1 b1 d1 0.920 2.121
此处新列 c0 和 c1 的值是从 z 列的值(在原始数据框中)获得的,对于A、B 和 D 的值的相应唯一组合。
我该怎么做?
如果能够对原始帧(即具有所有值列 x、y 和 z),或者在新框架中使用某种形式的分层列组织(即现在列 x、y 和 z 将 each 依次包含“子列”c0 和 c1),或者使用组合命名新列的一些方案名称(例如,在新框架中的列 x、y 和 z 将替换为列 x_c0, x_c1、y_c0、y_c1、z_c0、z_c1等),但这可能是希望太多了……
PS:这是上面数据帧的数据,采用 TSV 格式:
A B C D x y z
a0 b0 c0 d0 0.007 0.71 0.99
a0 b0 c0 d1 0.283 0.04 1.027
a0 b0 c1 d0 0.017 0.688 2.84
a0 b0 c1 d1 0.167 0.132 2.471
a0 b1 c0 d0 0.041 0.851 1.078
a0 b1 c0 d1 0.235 1.027 1.027
a0 b1 c1 d0 0.037 0.934 2.282
a0 b1 c1 d1 0.023 1.049 2.826
a1 b0 c0 d0 0.912 0.425 1.055
a1 b0 c0 d1 0.329 0.932 0.836
a1 b0 c1 d0 0.481 0.681 0.997
a1 b0 c1 d1 0.782 0.595 2.294
a1 b1 c0 d0 0.264 0.918 0.857
a1 b1 c0 d1 0.053 1.001 0.92
a1 b1 c1 d0 1.161 1.09 1.47
a1 b1 c1 d1 0.13 0.992 2.121
1更明确地说,数据帧同构到 dict,其键是 4 元组 (' a0', 'b0', 'c0', 'd0'), ('a0', 'b0', 'c0', 'd1'), ..., ('a1', 'b1', 'c1' , 'd1'),其值为三元组 (0.007, 0.710, 0.990), (0.283, 0.040, 1.027), ..., (0.130, 0.992, 2.121)。我尝试过的许多事情之一是找到一种通过“键列”的独特组合来索引数据框的方法。同样的故事:这应该是 pandas 中的“hello-world”级别的东西,但我无法在文档中找到如何做到这一点。显然,我的大脑和编写 pandas 文档的人的大脑是完全正交的……
请您参考如下方法:
It'd be nice to be able to do a similar unstacking operation with the original frame (i.e. the one with all value columns x, y, and z), either using some form of hierarchical column organization in the new frame (i.e. where now columns x, y, and z would each consist, in turn, of "subcolums" c0 and c1)
怎么样:
>>> df.pivot_table(values=["x","y","z"],rows=["A","B","D"], cols="C")
x y z
C c0 c1 c0 c1 c0 c1
A B D
a0 b0 d0 0.007 0.017 0.710 0.688 0.990 2.840
d1 0.283 0.167 0.040 0.132 1.027 2.471
b1 d0 0.041 0.037 0.851 0.934 1.078 2.282
d1 0.235 0.023 1.027 1.049 1.027 2.826
a1 b0 d0 0.912 0.481 0.425 0.681 1.055 0.997
d1 0.329 0.782 0.932 0.595 0.836 2.294
b1 d0 0.264 1.161 0.918 1.090 0.857 1.470
d1 0.053 0.130 1.001 0.992 0.920 2.121
参见 here ,并注意默认聚合函数是 mean。如果您知道不会有多个值进入同一个单元格,就像这里一样,这并不重要,但我曾经让自己陷入麻烦,因为我认为它是 sum。
