Python 3：转置 Pandas 数据框/“melt”数据框的列答案

【问题标题】：Python 3: Transpose columns of Pandas Data Frame / "melt" data framePython 3：转置 Pandas 数据框/“melt”数据框的列
【发布时间】：2021-05-22 03:09:05
【问题描述】：

我有一个这样的 Pandas 数据框：

    uid   category   count
0    1     comedy     5
1    1     drama      7
2    2     drama      4
3    3     other      10    
4    3     comedy     6

除了有几十个类别、几百万行和几十个其他列。

我想把它变成这样的：

    id   cat_comedy   cat_drama    cat_other
0    1    5            7            0
1    2    0            4            0
2    3    6            0            10

我不知道如何做到这一点，正在寻找提示/提示/完整解决方案。我真的不关心行索引。

谢谢。

【问题讨论】：

不，不是错。
@CarlCervone 建议您的数据集可能包含具有相同 id 和 category 的行，但计数不同 - 这是正确的，还是 id 和 @987654326 的任意组合@在您的数据中是唯一的吗？

标签： python

【解决方案1】：

我认为这就是您所追求的（该操作称为“枢轴”）：

from pandas import DataFrame

df = DataFrame([
    {'id': 1, 'category': 'comedy', 'count': 5},
    {'id': 1, 'category': 'drama', 'count': 7},
    {'id': 2, 'category': 'drama', 'count': 4},
    {'id': 3, 'category': 'other', 'count': 10},
    {'id': 3, 'category': 'comedy', 'count': 6}
]).set_index('id')

result = df.pivot(columns=['category'])

print(result)

结果：

          count
category comedy drama other
id
1           5.0   7.0   NaN
2           NaN   4.0   NaN
3           6.0   NaN  10.0

针对您的评论，如果您不希望 id 作为 df 的索引，您可以告诉操作将其用作枢轴的索引。你需要pivot_table 而不是pivot 来实现这一点，因为它可以处理一个旋转索引/列对的重复值。

将NaN 替换为零也是一种选择：


df = DataFrame([
    {'uid': 1, 'category': 'comedy', 'count': 5},
    {'uid': 1, 'category': 'drama', 'count': 7},
    {'uid': 2, 'category': 'drama', 'count': 4},
    {'uid': 3, 'category': 'other', 'count': 10},
    {'uid': 3, 'category': 'comedy', 'count': 6}
])

result = df.pivot_table(columns=['category'], index='uid', fill_value=0)

print(result)

但是，请注意，结果表仍将uid 作为其索引。如果这不是您想要的，您可以将结果列恢复为正常列：

result = df.pivot_table(columns=['category'], index='uid', fill_value=0).reset_index()

最终结果：

         uid  count
category     comedy drama other
0          1      5     7     0
1          2      0     4     0
2          3      6     0    10

【讨论】：

非常接近！除了 id 字段（我在原始问题中将其重命名为 uid 以防更清楚），不应该是索引（我不认为）。并且 NaN 应该是零
要将NaNs 替换为0s，请致电df.fillna(0, inplace=True)。

【解决方案2】：

使用pivot_table的完整解决方案：

import pandas as pd

df = pd.DataFrame([
    {'uid': 1, 'category': 'comedy', 'count': 5},
    {'uid': 1, 'category': 'drama', 'count': 7},
    {'uid': 2, 'category': 'drama', 'count': 4},
    {'uid': 3, 'category': 'other', 'count': 10},
    {'uid': 3, 'category': 'comedy', 'count': 6}
])

df.pivot_table(
    columns='category', 
    index='uid', 
    aggfunc=sum, 
    fill_value=0
)

【讨论】：

aggfunc 在这种情况下似乎是多余的？
默认的aggfunc 是mean，因此即使它适用于此处显示的虚拟数据，它也可能不适用于其他真实数据集。例如，如果您像这样添加另一行：{'uid': 3, 'category': 'comedy', 'count': 5}

【解决方案3】：

@Grismar 的原始答案（因为他首先得到它而被赞成）非常接近，但不太有效。不要在枢轴调用之前重置您的索引，然后执行以下操作：

df2 = df.pivot_table(columns='category', index='uid', aggfunc=sum)
df2 = df2.fillna(0).reset_index()

df2 现在是您想要的数据框。 fillna 函数将所有 NaNs 替换为 0s。

【讨论】：

请注意，df2 仍将有 uid 作为其索引 - 需要 .reset_index() 才能将其恢复为普通列。我已经更新了我的答案以反映这一点。
好消息@grismar。也更新了。不错的标签团队。