編輯：pandas 1.0.5有一個bug，升級到1.1.1后就沒有錯誤了。我有一個 pandas 數據框，如下所示： Name Date Price Label Y Z foo1 1/1/20 100 1 _ _ foo1 1/1/20 200 2 _ _ . . . . . . . . . . . . foo1 1/8/20 240 1 _ _ foo2 1/2/20 500 1 _ _ . . . . . . . . . . . . foo2 1/7/20 423 4 _ _ . . . . . . . . . . . .該列有 80 個唯一值Name，即 foo1 - foo80有 20 個唯一Date值有 4 個唯一Label值Y 和 Z 列與新數據框無關我想創建一個表 st，它將有 80 行（每行對應每個名稱）和 20*4 + 1 列（每個日期標簽組合 20x4，名稱 1 列）。最終的數據框應如下所示：**Name 1/1/20(Label1) 1/1/20(Label2) 1/1/20(Label3) 1/1/20(Label4) 1/2/20(Label1) ... 4/7/20(Label4)** foo1 100 200 300 -1 -1 -1 foo2 -1 -1 -1 -1 500 -1..............................-1 表示原始條目中沒有特定名稱-日期-標簽組合的條目。我基本上是 pandas 的新手，我當然可以手動迭代地構建數據框（if..else 解決方案），但我相信有一個更快、可讀、更簡單的解決方案。
1 回答
桃花長相依
TA貢獻1860條經驗 獲得超8個贊
您正在尋找df.pivot
df = df.pivot(index='Name', columns=['Date', 'Label'], values='Price')
警告：如果任何名稱-日期-標簽組合重復（即出現在多行中），則會引發錯誤。使用pivot_table或更好groupby+unstack
如果Name、Date、 和Label在索引中，則使用unstack而不是pivot
使用示例數據更新
df = pd.DataFrame({
# 'A': [160, 457, 457, 482, 482, 482, 482, 423, 223, 506],
# 'B': ['8/27/2015 0:00','10/15/2015 0:00','10/15/2015 0:00','10/28/2015 0:00','10/28/2015 0:00','10/28/2015 0:00','10/28/2015 0:00','9/29/2015 0:00','9/9/2015 0:00','11/9/2015 0:00'],
'Date': ['8/28/2015 0:00','10/16/2015 0:00','10/16/2015 0:00','10/29/2015 0:00','10/29/2015 0:00','10/29/2015 0:00','10/29/2015 0:00','9/30/2015 0:00','9/10/2015 0:00','11/10/2015 0:00'],
# 'C': [5, 5, 5, 5, 5, 5, 5, 5, 5, 5],
# 'D': [1271, 1825, 1825, 1455, 1455, 1455, 1455, 2522, 1385, 1765],
'Price': [1058, 1685, 1615, 1195, 1255, 1279, 1295, 2285, 1285, 1665],
'Label': [3, 3, 2, 1, 3, 4, 2, 2, 1, 4],
# 'E': [13, 127, 127, -1, -1, -1, -1, -1, -1, -1],
'Name': ['foo1','foo2','foo2','foo3','foo3','foo3','foo3','foo4','foo4','foo3'],
# 'F': [4, 4, 4, 3, 3, 3, 3, 3, 3, 3],
# 'G': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
# 'H': ['Friday','Friday','Friday','Thursday','Thursday','Thursday','Thursday','Wednesday','Thursday','Tuesday'],
# 'I': [213, 140, 210, 260, 200, 176, 160, 237, 100, 100],
# 'J': [16.758457907159716,7.671232876712329,11.506849315068493,17.869415807560138,13.745704467353955,12.096219931271474,10.996563573883162,9.397303727200637,7.220216606498194,5.6657223796034]
})
df.Date = pd.to_datetime(df.Date)
df = df.pivot(index='Name', columns=['Date', 'Label'], values='Price')
df = df.fillna(-1)
print(df)
輸出
Date 2015-08-28 2015-10-16 2015-10-29 ... 2015-09-30 2015-09-10 2015-11-10
Label 3 3 2 1 ... 2 2 1 4
Name ...
foo1 1058.0 NaN NaN NaN ... NaN NaN NaN NaN
foo2 NaN 1685.0 1615.0 NaN ... NaN NaN NaN NaN
foo3 NaN NaN NaN 1195.0 ... 1295.0 NaN NaN 1665.0
foo4 NaN NaN NaN NaN ... NaN 2285.0 1285.0 NaN
[4 rows x 10 columns]
添加回答
舉報
0/150
提交
取消