Python:一次包含重复值的多个列的 Pandas 数据透视表

Posted

技术标签:

【中文标题】Python:一次包含重复值的多个列的 Pandas 数据透视表【英文标题】:Python : Pandas pivot table for multiple columns at once which has duplicate values 【发布时间】:2022-01-01 13:49:35 【问题描述】:

有一个包含名称、学校和标记列的 pandas 数据框

name  school  marks

tom     HBS     55
tom     HBS     55
tom     HBS     14
mark    HBS     28
mark    HBS     19
lewis   HBS     88

如何转置和转换成这样的

name  school  marks_1 marks_2 marks_3

tom     HBS     55     55       14
mark    HBS     28     19
lewis   HBS     88

试过这个:

df = df.pivot_table(index='name', values='marks', columns='school') \
    .reset_index() \
    .rename_axis(None, axis=1)

print(df)
df = df.pivot('name','marks','school')

检查了这些链接

https://***.com/questions/22798934/pandas-long-to-wide-reshape-by-two-variables
https://***.com/questions/62391419/pandas-group-by-and-convert-rows-into-multiple-columns
https://***.com/questions/60698109/pandas-multiple-rows-to-single-row-with-multiple-columns-on-2-indexes

由于重复值而出现此错误。如果存在重复如何处理,我们必须保留它们

ValueError: Index contains duplicate entries, cannot reshape

【问题讨论】:

【参考方案1】:

尝试将set_indexunstackgroupbycumcount 一起使用:

df_out = df.set_index(['name',
                       'school',
                       df.groupby(['name','school'])\
           .cumcount() +1]).unstack()
df_out.columns = [f'i_j' for i, j in df_out.columns]
df_out = df_out.reset_index()
df_out

输出:

    name school  marks_1  marks_2  marks_3
0  lewis    HBS     88.0      NaN      NaN
1   mark    HBS     28.0     19.0      NaN
2    tom    HBS     55.0     55.0     14.0

【讨论】:

【参考方案2】:

cumcount 函数允许在旋转之前创建唯一索引。这建立在与@ScottBoston 相同的想法之上;但是,这里使用了pivot 函数:

index = ['name', 'school']

                  # create an extra column for uniqueness          
temp = (df.assign(counter = df.groupby(index)
                              .cumcount()
                              .add(1)
                              .astype(str))
          .pivot(index = index, columns = 'counter')
        )

# flatten the columns
temp.columns = temp.columns.map('_'.join)

temp.reset_index()

    name school  marks_1  marks_2  marks_3
0  lewis    HBS     88.0      NaN      NaN
1   mark    HBS     28.0     19.0      NaN
2    tom    HBS     55.0     55.0     14.0

或者,您可以使用pyjanitor 中的pivot_wider 函数,它是pd.pivot 周围的语法糖,并带有一些帮助:

# pip install pyjanitor
import pandas as pd
import janitor
(df.assign(counter = df.groupby(index)
                       .cumcount()
                       .add(1))                              
   .pivot_wider(index = index, 
                names_from = 'counter', 
                names_sep = '_')
)

    name school  marks_1  marks_2  marks_3
0  lewis    HBS     88.0      NaN      NaN
1   mark    HBS     28.0     19.0      NaN
2    tom    HBS     55.0     55.0     14.0

【讨论】:

以上是关于Python:一次包含重复值的多个列的 Pandas 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

Pandas - 具有重复值的列的外部连接

在 python 中使用 panda 库和 Dash Plotly 创建带有标签和值的下拉菜单

映射两个数据框以创建一个包含多个键值的字典 - Pandas

使用 Panda 在 Python 中根据名称查找值之间的关系

使用 panda 连接 2 个 csv 文件并且不包含行索引 [重复]

Pandas 将具有多个值的行数据合并到列的 Python 列表中