Dask 如何旋转 DataFrame

Posted 2023-02-23

【中文标题】Dask 如何旋转 DataFrame

【英文标题】：Dask how to pivot DataFrame

【发布时间】：2019-03-19 02:00:30

【问题描述】：

我正在使用下面的代码，但在旋转 DataFrame 后出现错误：

数据框：

    name        day        value    time
0   MAC000002   2012-12-16  0.147   09:30:00
1   MAC000002   2012-12-16  0.110   10:00:00
2   MAC000002   2012-12-16  0.736   10:30:00
3   MAC000002   2012-12-16  0.404   11:00:00
4   MAC000003   2012-12-16  0.845   00:30:00

读入数据并进行数据透视

ddf = dd.read_csv('data.csv')
#I added this but didnt fix the error below
ddf.index.name = 'index'

#dask requires string as category type
ddf['name'] = ddf['name'].astype('category')
ddf['name'] =ddf['name'].cat.as_known()

#pivot the table
df = ddf.pivot_table(columns='name', values='value', index='index')
df.head()
#KeyError: 'index'

预期结果（带或不带索引） - 将行转为列而不进行任何值修改：

MAC000002  MAC000003  ...
0.147      0.845
0.110      ...
0.736      ...
0.404      ...

知道为什么我会收到 KeyError 'index' 以及如何克服这个问题吗？

【问题讨论】：

哪一行会产生错误？

您想要的结果究竟是什么？

@Cezary.Sz KeyError Traceback (最近一次调用最后一次) in () ----> 1 df.head()

@jpp 我在问题中添加了预期结果

不要命名索引尝试ddf.reset_index()，这样你就有一个名为“索引”的列。

【参考方案1】：

根据pivot_table 的文档，index kwarg 的值应引用现有列，因此不应将名称设置为索引，而应创建具有所需索引值的列：

# ddf.index.name = 'index'
ddf['index'] = ddf.index

请注意，这假定索引是您真正旋转的对象。

下面是一个可重现的sn-p：

data = """
   | name       | day       | value |   time
0  | MAC000002  | 2012-12-16|  0.147|   09:30:00
1  | MAC000002  | 2012-12-16|  0.110|   10:00:00
2  | MAC000002  | 2012-12-16|  0.736|   10:30:00
3  | MAC000002  | 2012-12-16|  0.404|   11:00:00
4  | MAC000003  | 2012-12-16|  0.845|   00:30:00
"""

import pandas as pd
from io import StringIO

df = pd.read_csv(StringIO(data), sep='|')
df.columns = [c.strip() for c in df.columns]

import dask.dataframe as dd
ddf = dd.from_pandas(df, npartitions=3)
ddf['index'] = ddf.index

#dask requires string as category type
ddf['name'] = ddf['name'].astype('category')
ddf['name'] =ddf['name'].cat.as_known()

ddf.pivot_table(columns='name', values='value', index='index').compute()

# name    MAC000002     MAC000003  
# index                            
# 0             0.147           NaN
# 1             0.110           NaN
# 2             0.736           NaN
# 3             0.404           NaN
# 4               NaN         0.845