Skip to main content
 首页 » 编程设计

python之无法找到取消堆叠数据框的方法

2024年11月01日14落叶

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。