如何扁平化数据框（熊猫）的特定列？

Posted 2023-02-23

【中文标题】如何扁平化数据框（熊猫）的特定列？

【英文标题】：How to flat specific columns of a Dataframe(pandas)?

【发布时间】：2019-05-29 11:15:40

【问题描述】：

我的数据库中有一个非常大的游戏记录数据集。 假设一个数据框是其中的一部分，并代表一个游戏，例如：

+----------+------+------+-------+----------+------------+-----+----------------+
| _id_game | age  | rank | grade |   time   |   date     | ... |   _id_player   |
+----------+------+------+-------+----------+------------+-----+----------------+
| key2589  | 14.0 |  1.0 | B     | 00:02:34 | 2015/08/02 | ... | maximi-125     |
| key2589  | 28.0 |  2.0 | A     | 00:02:50 | 2015/08/02 | ... | scooby-897     |
| key2589  | 16.0 |  3.0 | B     | 00:03:21 | 2015/08/02 | ... | zorro-003      |
| key2589  | 30.0 |  4.0 | D     | 00:03:45 | 2015/08/02 | ... | barabapapa-007 |
+----------+------+------+-------+----------+------------+-----+----------------+

上面这个数据框的每一行代表这个游戏的一个玩家。 我想让每一行的游戏中所有其他玩家的一些特征出现（因此每个玩家都与他的竞争对手进行比较）。

我想修改数据框：

+----------+------+------+-------+----------+------------+--------+--------+--------+----------+-----+----------------+
| _id_game | age  | rank | grade |   time   |    date    | p1_age | p2_age | p3_age | p1_grade | ... |   _id_player   |
+----------+------+------+-------+----------+------------+--------+--------+--------+----------+-----+----------------+
| key2589  | 14.0 |  1.0 | B     | 00:02:34 | 2015/08/02 |   28.0 |   16.0 |   30.0 | A        | ... | maximi-125     |
| key2589  | 28.0 |  2.0 | A     | 00:02:50 | 2015/08/02 |   14.0 |   16.0 |   30.0 | B        | ... | scooby-897     |
| key2589  | 16.0 |  3.0 | B     | 00:03:21 | 2015/08/02 |   14.0 |   28.0 |   30.0 | B        | ... | zorro-003      |
| key2589  | 30.0 |  4.0 | D     | 00:03:45 | 2015/08/02 |   14.0 |   28.0 |   16.0 | B        | ... | barabapapa-007 |
+----------+------+------+-------+----------+------------+--------+--------+--------+----------+-----+----------------+

如您所见，我不会重复字段 date 或 _id_game。只是具体的领域，什么是球员的特点。

主要思想是对一个领域进行预测，同时考虑到其他竞争者的存在情况。

考虑到一个 df 只是一个游戏，我不知道如何在 pandas 数据框中执行此操作。考虑到数据帧包含一堆游戏，这更加复杂。

有人帮我吗？

【问题讨论】：

只是一种提醒，您可以接受您的问题下的答案（答案左侧的复选标记）

【参考方案1】：

这是一个交叉连接问题，在连接之后我们需要过滤每行排除重复，然后重新格式化输出

s=df[['_id_game','rank']].merge(df[['_id_game','age','rank','grade']],on='_id_game')#  merge here
s=s[s.rank_x!=s.rank_y]# filter the one already have 
s=s.assign(key=s.groupby(['_id_game','rank_x']).cumcount()+1)# ge tthe key for pivot 
s=s.set_index(['_id_game','rank_x','key'])[['age','grade']].unstack() # reformat 
s.columns=s.columns.map('P0[1]_0[0]'.format)# flatten the columns 
s
Out[850]: 
                 P1_age  P2_age  P3_age P1_grade P2_grade P3_grade
_id_game rank_x                                                   
key2589  1.0       28.0    16.0    30.0        A        B        D
         2.0       14.0    16.0    30.0        B        B        D
         3.0       14.0    28.0    30.0        B        A        D
         4.0       14.0    28.0    16.0        B        A        B

---

这里只需要merge 回到原始数据框检查link

【讨论】：

非常感谢。在我的特殊情况下，我做了 df.join(s, how='inner') 来获得我所期望的。我会尽快回答以完成该主题。再次感谢您。

我投了赞成票，但我想这不是我唯一要做的事情。我怎么能接受而不投票？这是另一个程序吗？

现在我知道那是一个符号，抱歉。我不知道。现在我知道了。