Skip to main content
 首页 » 编程设计

python之如何转换 Pandas 数据框并将行转换为列

2024年12月31日8lvdongjie

我有以下 Pandas 数据框

 df1 
 code  prod  rsp   date_from    date_to      time_from    time_to 
 123   MS    75    2018-01-01   2018-01-02   06:00        05:59 
 123   HS    65    2018-01-01   2018-01-02   06:00        05:59 
 123   MS    76    2018-01-01   2018-01-02   10:00        05:59  
 123   MS    76    2018-01-01   2018-01-02   11:00        05:59  
 123   MS    73    2018-01-02   2018-01-03   06:00        05:59 
 123   HS    64    2018-01-02   2018-01-03   06:00        05:59 
 123   MS    73    2018-01-02   2018-01-03   10:00        05:59 

我想要的数据框是

 code   prod   rsp_1  date_from      date_to    time_from_1   time_to_1   rsp_2   time_from_2   time_to_2 
 123    MS     75     2018-01-01     2018-01-02   06:00         05:59       76     10:00        05:59 
 123    HS     65     2018-01-01     2018-01-02   06:00         05:59        -      -              -              -             - 
 123    MS     73     2018-01-02     2018-01-03   06:00         05:59        -      -              -              -             - 
 123    HS     64     2018-01-02     2018-01-03   06:00         05:59        -      -              -               

我正在用 python 进行跟踪

L = list(map(tuple,price[['code','prod','date_from']].values)) 
s = pd.Series(L, index=price.index) 
s = s.ne(s.shift()).cumsum() 
g = s.groupby(s).cumcount() 
 
df1 = (price.set_index(['code','prod','date_from', s,g]) 
   .unstack() 
   .sort_index(level=1, axis=1) 
   .reset_index(level=2, drop=True)) 
 
   df1.columns = [f'{i}_{j+1}' for i, j in df1.columns] 
   df1 = df1.reset_index() 

我希望将唯一价格rsp 纳入列中。例如,在 df1 中,产品 MS 和 date_from 2018-01-01 有两个重复的条目 rsp 76,所以我们将只考虑第一个条目。所以对于 1 种产品,我们将只有一个日期和相应的价格变化历史记录。

请您参考如下方法:

使用drop_duplicates然后似乎应该简化解决方案:

#by one column 
price = price.drop_duplicates('rsp') 
#if necessary by multiple columns 
#cols = ['code','prod','date_from', 'date_to', 'rsp'] 
#price = price.drop_duplicates(subset=cols)  
 
g = price.groupby(['code','prod','date_from', 'date_to']).cumcount() 
 
df1 = (price.set_index(['code','prod','date_from','date_to', g]) 
            .unstack() 
            .sort_index(level=1, axis=1)) 
 
df1.columns = [f'{i}_{j+1}' for i, j in df1.columns] 
df1 = df1.reset_index() 
print (df1) 
   code prod   date_from     date_to  rsp_1 time_from_1 time_to_1  rsp_2  \ 
0   123   HS  2018-01-01  2018-01-02   65.0       06:00     05:59    NaN    
1   123   HS  2018-01-02  2018-01-03   64.0       06:00     05:59    NaN    
2   123   MS  2018-01-01  2018-01-02   75.0       06:00     05:59   76.0    
3   123   MS  2018-01-02  2018-01-03   73.0       06:00     05:59    NaN    
 
  time_from_2 time_to_2   
0         NaN       NaN   
1         NaN       NaN   
2       10:00     05:59   
3         NaN       NaN