Блог

Главная - Вопросы по программированию - Группировка, транспонирование или даже сводная таблица с pandas

Группировка, транспонирование или даже сводная таблица с pandas

#python #pandas #pandas-groupby

#python #pandas #pandas-groupby

Вопрос:

У меня есть фрейм данных, подобный этому:

     Model               R2       RMSE       Average_CV   Destiny
0   Ada Boost         0.5563    125.2569    0.426166        REC
1   Bagging Regressor 0.8363    76.0865     0.582675        REC
2   Random Forest     0.8378    75.7304     0.590683        REC
3   Decision Tree     0.8366    76.0053     0.460394        REC

Как я могу получить вывод ниже?

 Model               Metrica         REC
Ada Boost           Average_CV      0.426166
                    R2              0.5563
                    RMSE            125.2569
Bagging Regressor   Average_CV      0.582675
                    R2              0.8363
                    RMSE            76.0865
Decision Tree       Average_CV      0.590683
                    R2              0.8366
                    RMSE            76.0053
Random Forest       Average_CV      0.460394
                    R2              0.8378
                    RMSE            75.7304

Я пытался groupby, транспонировать и даже перекрестную таблицу. Но я понятия не имею, как получить желаемый результат.

Не имеет значения порядок строк в метрике столбца в выходных данных.

Спасибо

Ответ №1:

Если Destiny всегда Rec, вы можете сделать простой melt . Затем вы можете установить и отсортировать индекс, чтобы получить желаемый результат.

 df.melt(id_vars="Model", value_vars=["R2", "RMSE", "Average_CV"], var_name="Metrica")


                Model     Metrica       value
0           Ada_Boost          R2    0.556300
1   Bagging_Regressor          R2    0.836300
2       Random_Forest          R2    0.837800
3       Decision_Tree          R2    0.836600
4           Ada_Boost        RMSE  125.256900
5   Bagging_Regressor        RMSE   76.086500
6       Random_Forest        RMSE   75.730400
7       Decision_Tree        RMSE   76.005300
8           Ada_Boost  Average_CV    0.426166
9   Bagging_Regressor  Average_CV    0.582675
10      Random_Forest  Average_CV    0.590683
11      Decision_Tree  Average_CV    0.460394

С настройкой / сортировкой индекса:

 (df.melt(id_vars="Model", value_vars=["R2", "RMSE", "Average_CV"], var_name="Metrica")
    .set_index(["Model", "Metrica"])
    .sort_index())

                                   value
Model             Metrica               
Ada_Boost         Average_CV    0.426166
                  R2            0.556300
                  RMSE        125.256900
Bagging_Regressor Average_CV    0.582675
                  R2            0.836300
                  RMSE         76.086500
Decision_Tree     Average_CV    0.460394
                  R2            0.836600
                  RMSE         76.005300
Random_Forest     Average_CV    0.590683
                  R2            0.837800
                  RMSE         75.730400

Если ваша судьба имеет несколько значений, и вам нужен 1 столбец для каждого из этих значений, тогда вам придется немного пофантазировать

 (df.melt(id_vars="Model", value_vars=["R2", "RMSE", "Average_CV"], var_name="Metrica")
 .merge(df[["Model", "Destiny"]], on="Model")
 .pivot_table(index=["Model", "Metrica"], columns="Destiny", values="value")
 .rename_axis(None, axis=1)
)

                                     REC
Model             Metrica               
Ada_Boost         Average_CV    0.426166
                  R2            0.556300
                  RMSE        125.256900
Bagging_Regressor Average_CV    0.582675
                  R2            0.836300
                  RMSE         76.086500
Decision_Tree     Average_CV    0.460394
                  R2            0.836600
                  RMSE         76.005300
Random_Forest     Average_CV    0.590683
                  R2            0.837800
                  RMSE         75.730400

Комментарии:

1. Я действительно ценю ваш ответ. В моем столбце Destiny у меня есть несколько значений. Другими словами, ваш третий код — это то, что мне нужно. Я протестировал это здесь, но я получил ошибку: ValueError: функция не уменьшает, я выясняю это с помощью цикла по назначению и присоединяюсь к фрейму данных. Еще раз, большое спасибо.

2. ах, извините за это. удалить aggfunc=lambda x: x из pivot_table функции. После этого должно работать так, как ожидалось.

3. Большое спасибо. 100% правильно. Это сработало как шарм. Спасибо, спасибо.