Блог

Главная - Вопросы по программированию - Pandas pivot перенос строк в заголовки столбцов

Pandas pivot перенос строк в заголовки столбцов

#python #pandas

#python #pandas

Вопрос:

Я пытаюсь изучить pandas и задаюсь вопросом, как можно достичь приведенного ниже…

пример ввода и вывода

Фрейм данных для начала:

 df = pd.DataFrame({
    'Name': ['Person1', 'Person1'],
    'SetCode1': ['L6A', 'L6A'],
    'SetDetail1': ['B', 'C'],
    'SetCode2': ['G2G', 'G2G'],
    'SetDetail2': ['B', 'B'],
})

Комментарии:

1. для начала я добавил пример вашего фрейма данных, так что, возможно, другие смогут вам помочь. Я не знаю ответа на этот вопрос, но я уверен, что кто-то другой ответит. Рекомендуется добавлять примеры данных в коде (не фото!), Чтобы другим было легко отвечать на ваши вопросы.

Ответ №1:

Попробуйте использовать pd.wide_to_long и unstack :

 df = pd.DataFrame({
    'Name': ['Person1', 'Person1'],
    'SetCode1': ['L6A', 'L6A'],
    'SetDetail1': ['B', 'C'],
    'SetCode2': ['G2G', 'G2G'],
    'SetDetail2': ['B', 'B'],
})


df_melt = pd.wide_to_long(df.reset_index(), 
                          ['SetCode', 'SetDetail'], 
                          ['index', 'Name'], 
                          'No')

df_out = df_melt.set_index('SetCode', append=True)
                .reset_index(level=2, drop=True)['SetDetail']
                .unstack()
df_out

Вывод:

 SetCode       G2G L6A
index Name           
0     Person1   B   B
1     Person1   B   C

Ответ №2:

Я думаю, это скорее переименование столбцов, чем поворот. вот мой код

 code_cols = list(filter(lambda s: s.startswith('SetCode'), df.columns))
det_cols = list(filter(lambda s: s.startswith('SetDetail'), df.columns))
codes = [df[s][0] for s in code_cols]
df.rename(columns = dict(zip(det_cols, codes)), inplace=True)
df.drop(columns = code_cols, inplace=True)
df

производит

     Name    L6A G2G
0   Person1 B   B
1   Person1 C   B

Спасибо @Sander van den Oord за ввод данных в dataframe!

Ответ №3:

Использование pandas.wide_to_long — правильное решение, хотя нужно быть осторожным со NaN значениями, которые у вас есть в определенных столбцах.

Поэтому здесь следует адаптация ответа Скотта Бостона:

 import pandas as pd

# I just allowed myself to write 'Person2' instead of 'Person1' at the second row
# of the DataFrame, as I imagine this is what was originally intended in the data,
# but this does not change the method
df = pd.DataFrame({
    'Name': ['Person1', 'Person2'],
    'SetCode1': ['L6A', 'L6A'],
    'SetDetail1': ['B', 'C'],
    'SetCode6': ['U2H', None],
    'SetDetail6': ['B', None],
})
print(df)

      Name SetCode1 SetDetail1 SetCode6 SetDetail6
0  Person1      L6A          B      U2H          B
1  Person2      L6A          C     None       None

# You will need to use reset_index to keep the original index moving forward only if
# the 'Name' column does not have unique values
df_melt = pd.wide_to_long(df, ['SetCode', 'SetDetail'], ['Name'], 'No')

df_out = df_melt[df_melt['SetCode'].notnull()]
    .set_index('SetCode', append=True)
    .reset_index(level=1, drop=True)['SetDetail']
    .unstack()
print(df_out)

SetCode L6A  U2H
Name            
Person1   B    B
Person2   C  NaN