Skip to main content
 首页 » 编程设计

python之如何在 Pandas 中整理(融化)数据并保留所有其他列

2024年11月24日6傻小

考虑这个 Pandas 数据框:

df = pd.DataFrame({ 
    'User ID': [1, 2, 2, 3], 
    'Cupcakes': [1, 5, 4, 2], 
    'Biscuits': [2, 5, 3, 3], 
    'Score': [0.65, 0.12, 0.15, 0.9] 
}) 

即。

   User ID  Cupcakes  Biscuits  Score 
0        1         1         2   0.65 
1        2         5         5   0.12 
2        2         4         3   0.15 
3        3         2         3   0.90 

我要tidy ("melt")此数据使甜点 类型 是单独的观察结果。但我也想保留每个用户的分数。

使用 melt()直接不起作用:

df.melt( 
    id_vars=['User ID'], 
    value_vars=['Cupcakes', 'Biscuits'], 
    var_name='Dessert', value_name='Enjoyment' 
) 

...给出:

   User ID   Dessert  Enjoyment 
0        1  Cupcakes          1 
1        2  Cupcakes          5 
2        2  Cupcakes          4 
3        3  Cupcakes          2 
4        1  Biscuits          2 
5        2  Biscuits          5 
6        2  Biscuits          3 
7        3  Biscuits          3 

我丢失了分数数据!

我不能使用 wide_to_long()因为我的甜点类型没有通用的“ stub 名称”。

我无法将整理后的数据与原始数据联接或合并,因为整理后的数据已重新编制索引,并且用户 ID 对于每个观察而言不是唯一的。

如何整理这些数据但保留整理中未涉及的列?

请您参考如下方法:

在 DataFrame.melt 中将 Score 列添加到 id_vars :

id_vars : tuple, list, or ndarray, optional

Column(s) to use as identifier variables.

df1 = df.melt( 
    id_vars=['User ID', 'Score'], 
    value_vars=['Cupcakes', 'Biscuits'], 
    var_name='Dessert', value_name='Enjoyment' 
) 
print (df1) 
   User ID  Score   Dessert  Enjoyment 
0        1   0.65  Cupcakes          1 
1        2   0.12  Cupcakes          5 
2        2   0.15  Cupcakes          4 
3        3   0.90  Cupcakes          2 
4        1   0.65  Biscuits          2 
5        2   0.12  Biscuits          5 
6        2   0.15  Biscuits          3 
7        3   0.90  Biscuits          3 

如果需要融化所有没有User ID和Score的列,省略value_vars:

df.melt( 
    id_vars=['User ID', 'Score'], 
    var_name='Dessert', value_name='Enjoyment' 
)