创建一个列出值的数据透视表

Posted

技术标签:

【中文标题】创建一个列出值的数据透视表【英文标题】:Create a pivot table that lists out values 【发布时间】:2018-03-26 09:34:50 【问题描述】:

我需要使用什么 aggfunc 来使用数据透视表生成列表?我尝试使用 str ,但效果不太好。

输入

import pandas as pd
data = 
    'Test point': [0, 1, 2, 0, 1],
    'Experiment': [1, 2, 3, 4, 5]

df = pd.DataFrame(data)
print df

pivot = pd.pivot_table(df, index=['Test point'], values=['Experiment'], aggfunc=len)
print pivot

pivot = pd.pivot_table(df, index=['Test point'], values=['Experiment'], aggfunc=str)
print pivot

输出

   Experiment  Test point
0           1           0
1           2           1
2           3           2
3           4           0
4           5           1
            Experiment
Test point            
0                    2
1                    2
2                    1
                                                Experiment
Test point                                                
0           0    1\n3    4\nName: Experiment, dtype: int64
1           1    2\n4    5\nName: Experiment, dtype: int64
2                   2    3\nName: Experiment, dtype: int64

期望的输出

            Experiment
Test point                                                
0           1, 4
1           2, 5
2           3

【问题讨论】:

【参考方案1】:

您可以将list 本身用作函数:

>>> pd.pivot_table(df, index=['Test point'], values=['Experiment'], aggfunc=lambda x:list(x))
           Experiment
Test point           
0              [1, 4]
1              [2, 5]
2                 [3]

【讨论】:

【参考方案2】:

使用

In [1830]: pd.pivot_table(df, index=['Test point'], values=['Experiment'],
                          aggfunc=lambda x: ', '.join(x.astype(str)))
Out[1830]:
           Experiment
Test point
0                1, 4
1                2, 5
2                   3

或者,groupby 可以。

In [1831]: df.groupby('Test point').agg(
                'Experiment': lambda x: x.astype(str).str.cat(sep=', '))
Out[1831]:
           Experiment
Test point
0                1, 4
1                2, 5
2                   3

但是,如果你想要那么作为列表。

In [1861]: df.groupby('Test point').agg('Experiment': lambda x: x.tolist())
Out[1861]:
           Experiment
Test point
0              [1, 4]
1              [2, 5]
2                 [3]

x.astype(str).str.cat(sep=', ') 类似于', '.join(x.astype(str))

【讨论】:

【参考方案3】:

选项 1str 预转换 + groupby + apply

您可以预先转换为字符串以简化groupby 调用。

df.assign(Experiment=df.Experiment.astype(str))\
      .groupby('Test point').Experiment.apply(', '.join).to_frame('Experiment')

           Experiment
Test point           
0                1, 4
1                2, 5
2                   3

为了速度,对此的修改将涉及就地分配(assign 返回一个副本并且速度较慢):

df.Experiment = df.Experiment.astype(str)
df.groupby('Test point').Experiment.apply(', '.join).to_frame('Experiment')

           Experiment
Test point           
0                1, 4
1                2, 5
2                   3

还有修改原始数据框的缺点。

性能

# Zero's 1st solution
%%timeit
df.groupby('Test point').agg('Experiment': lambda x: x.astype(str).str.cat(sep=', '))

100 loops, best of 3: 3.72 ms per loop
# Zero's second solution
%%timeit
pd.pivot_table(df, index=['Test point'], values=['Experiment'], 
               aggfunc=lambda x: ', '.join(x.astype(str)))

100 loops, best of 3: 5.17 ms per loop
# proposed in this post
%%timeit -n 1
df.Experiment = df.Experiment.astype(str)
df.groupby('Test point').Experiment.apply(', '.join).to_frame('Experiment')

1 loop, best of 3: 2.02 ms per loop

请注意,.assign 方法只比这慢几毫秒。更大的数据帧应该会看到更大的性能提升。


选项 2groupby + agg:

agg 进行类似的操作:

df.assign(Experiment=df.Experiment.astype(str))\
         .groupby('Test point').agg('Experiment' : ', '.join)

           Experiment
Test point           
0                1, 4
1                2, 5
2                   3

并且它的就地版本将与上述相同。

# proposed in this post
%%timeit -n 1
df.Experiment = df.Experiment.astype(str)
df.groupby('Test point').agg('Experiment' : ', '.join)

1 loop, best of 3: 2.21 ms per loop

agg 对于更大的数据帧,速度应该会超过apply

【讨论】:

以上是关于创建一个列出值的数据透视表的主要内容,如果未能解决你的问题,请参考以下文章

透视具有多个值的表

Pyspark SQL:在数据透视表中保留只有空值的条目

具有非基值的数据透视表

php sql中带有日期、变量类别和总和值的数据透视表

带有文本值的 SQL Server 数据透视表

使用 VBA 代码从数据列创建数据透视的问题