熊猫从长到宽重塑,由两个变量
Posted
技术标签:
【中文标题】熊猫从长到宽重塑,由两个变量【英文标题】:Pandas long to wide reshape, by two variables 【发布时间】:2014-05-12 23:56:11 【问题描述】:我有长格式的数据,正在尝试重新调整为宽格式,但似乎没有一种直接的方法可以使用 melt/stack/unstack:
Salesman Height product price
Knut 6 bat 5
Knut 6 ball 1
Knut 6 wand 3
Steve 5 pen 2
变成:
Salesman Height product_1 price_1 product_2 price_2 product_3 price_3
Knut 6 bat 5 ball 1 wand 3
Steve 5 pen 2 NA NA NA NA
我认为 Stata 可以用 reshape 命令做这样的事情。
【问题讨论】:
你真的关心两个旋转变量是否交错:product_1 price_1 product_2 price_2 product_3 price_3
?他们可以只是product_1 product_2 ... price_1 price_2 ...
吗?
是的,没关系。
【参考方案1】:
一个简单的支点可能足以满足您的需求,但这是我为重现您想要的输出所做的:
df['idx'] = df.groupby('Salesman').cumcount()
只需在组内添加计数器/索引即可让您大部分时间到达那里,但列标签不会如您所愿:
print df.pivot(index='Salesman',columns='idx')[['product','price']]
product price
idx 0 1 2 0 1 2
Salesman
Knut bat ball wand 5 1 3
Steve pen NaN NaN 2 NaN NaN
为了更接近您想要的输出,我添加了以下内容:
df['prod_idx'] = 'product_' + df.idx.astype(str)
df['prc_idx'] = 'price_' + df.idx.astype(str)
product = df.pivot(index='Salesman',columns='prod_idx',values='product')
prc = df.pivot(index='Salesman',columns='prc_idx',values='price')
reshape = pd.concat([product,prc],axis=1)
reshape['Height'] = df.set_index('Salesman')['Height'].drop_duplicates()
print reshape
product_0 product_1 product_2 price_0 price_1 price_2 Height
Salesman
Knut bat ball wand 5 1 3 6
Steve pen NaN NaN 2 NaN NaN 5
编辑:如果您想将该过程推广到更多变量,我认为您可以执行以下操作(尽管它可能不够高效):
df['idx'] = df.groupby('Salesman').cumcount()
tmp = []
for var in ['product','price']:
df['tmp_idx'] = var + '_' + df.idx.astype(str)
tmp.append(df.pivot(index='Salesman',columns='tmp_idx',values=var))
reshape = pd.concat(tmp,axis=1)
@Luke 说:
我认为 Stata 可以用 reshape 命令做这样的事情。
你可以,但我认为你还需要一个组内计数器来在 stata 中重塑以获得你想要的输出:
+-------------------------------------------+
| salesman idx height product price |
|-------------------------------------------|
1. | Knut 0 6 bat 5 |
2. | Knut 1 6 ball 1 |
3. | Knut 2 6 wand 3 |
4. | Steve 0 5 pen 2 |
+-------------------------------------------+
如果您添加idx
,那么您可以在stata
中进行重塑:
reshape wide product price, i(salesman) j(idx)
【讨论】:
效果很好。对于熊猫来说,这将是一个不错的功能。已经有wide_to_long了,为什么不是另一个方向。 同意...这种重塑是 stata 中更有用的工具之一。 是的,这基本上就是我最终要做的,尽管您还必须分离出不会改变的列,例如高度,删除重复项,然后再将它们连接起来。【参考方案2】:这是另一个更充实的解决方案,取自Chris Albon's site。
创建“长”数据框
raw_data = 'patient': [1, 1, 1, 2, 2],
'obs': [1, 2, 3, 1, 2],
'treatment': [0, 1, 0, 1, 0],
'score': [6252, 24243, 2345, 2342, 23525]
df = pd.DataFrame(raw_data, columns = ['patient', 'obs', 'treatment', 'score'])
制作“宽”数据
df.pivot(index='patient', columns='obs', values='score')
【讨论】:
【参考方案3】:有点旧,但我会为其他人发布这个。
你想要的可以实现,但你可能不应该想要它;) Pandas 支持行和列的分层索引。 在 Python 2.7.x ...
from StringIO import StringIO
raw = '''Salesman Height product price
Knut 6 bat 5
Knut 6 ball 1
Knut 6 wand 3
Steve 5 pen 2'''
dff = pd.read_csv(StringIO(raw), sep='\s+')
print dff.set_index(['Salesman', 'Height', 'product']).unstack('product')
产生一个可能比您正在寻找的更方便的表示
price
product ball bat pen wand
Salesman Height
Knut 6 1 5 NaN 3
Steve 5 NaN NaN 2 NaN
使用 set_index 和 unstacking 与单个函数作为枢轴相比的优势在于,您可以将操作分解为清晰的小步骤,从而简化调试。
【讨论】:
你为什么还在使用 Python 2.7?在 Python 3 中怎么样? 对于 python3,你做from io import StringIO
并使用 print 作为一个函数,一切都很好。设置索引和取消堆叠的基本思想是相同的。【参考方案4】:
Karl D 的解决方案是问题的核心。但我发现旋转所有内容要容易得多(使用.pivot_table
,因为有两个索引列)然后sort
并分配列以折叠MultiIndex
:
df['idx'] = df.groupby('Salesman').cumcount()+1
df = df.pivot_table(index=['Salesman', 'Height'], columns='idx',
values=['product', 'price'], aggfunc='first')
df = df.sort_index(axis=1, level=1)
df.columns = [f'x_y' for x,y in df.columns]
df = df.reset_index()
输出:
Salesman Height price_1 product_1 price_2 product_2 price_3 product_3
0 Knut 6 5.0 bat 1.0 ball 3.0 wand
1 Steve 5 2.0 pen NaN NaN NaN NaN
【讨论】:
非常感谢。虽然我的数据框中已经有了 idx col,但您的解决方案能够将重复措施从长格式变为宽格式。 Pandas 为wide_to_long() 提供此功能,但不为 long_to_wide 提供此功能。伤心。 你好,你能帮我***.com/questions/66964780/… 与 Stata 背景相当相关。【参考方案5】:pivoted = df.pivot('salesman', 'product', 'price')
页。 192 Python 用于数据分析
【讨论】:
使用此方法时(来自书中),即使我使用了 df.drop_duplicates(),我也会收到“ValueError:索引包含重复条目,无法重塑”【参考方案6】:一个老问题;这是对已经很好的答案的补充。来自pyjanitor 的pivot_wider 可能有助于作为从长到宽重塑的抽象(它是pd.pivot 的包装器):
# pip install pyjanitor
import pandas as pd
import janitor as jn
idx = df.groupby(['Salesman', 'Height']).cumcount().add(1)
(df.assign(idx = idx)
.pivot_wider(index = ['Salesman', 'Height'], names_from = 'idx')
)
Salesman Height product_1 product_2 product_3 price_1 price_2 price_3
0 Knut 6 bat ball wand 5.0 1.0 3.0
1 Steve 5 pen NaN NaN 2.0 NaN NaN
【讨论】:
以上是关于熊猫从长到宽重塑,由两个变量的主要内容,如果未能解决你的问题,请参考以下文章