熊猫：将行转为列答案

【问题标题】：Pandas : Pivot row into column熊猫：将行转为列
【发布时间】：2022-12-18 06:17:32
【问题描述】：

以下是我的数据的一个最小示例：

   Id name class_cd class_name
0   1    A     abc1        dog
1   1    A     def2     canine
2   1    A     ghi1       safe
3   2    B     abc1        cat
4   2    B     def2      tabby

可以重现：

df = pd.DataFrame({
    'Id': [1, 1, 1, 2, 2],
    'name':['A', 'A', 'A', 'B', 'B'],
    'class_cd': ['abc1', 'def2', 'ghi1', 'abc1', 'def2'],
    'class_name': ['dog', 'canine', 'safe', 'cat', 'tabby']
})

我希望 class_cd 不同的值成为新列，其中值是关联的 class_name，这样结果中每个 id 都包含一行。

预期结果：

    Id  name    abc1    def2    ghi1
0   1      A     dog  canine    safe
1   2      B     cat   tabby

如何用 Pandas 实现这一目标？

【问题讨论】：

标签： python python-3.x pandas dataframe pivot

【解决方案1】：

你可以试试：

(df.pivot(index=['Id', 'name'], columns='class_cd', values='class_name')
 .fillna('')
 .reset_index())

class_cd  Id name abc1    def2  ghi1
0          1    A  dog  canine  safe
1          2    B  cat   tabby

【讨论】：

【解决方案2】：

这是pivot 的工作。

您告诉它要扩展哪些列，以及要在这些新列中放入哪些值。它将使用指定索引中的唯一值在结果中创建行。

>>> df.pivot(index=['Id','name'], columns='class_cd', values='class_name')
class_cd abc1    def2  ghi1
Id name
1  A      dog  canine  safe
2  B      cat   tabby   NaN

然后，您可以调用reset_index() 将多索引展平为列。

class_cd  Id name abc1    def2  ghi1
0          1    A  dog  canine  safe
1          2    B  cat   tabby   NaN

【讨论】：

【解决方案3】：

作为替代使用crosstab:

dfx=pd.crosstab([df['Id'],df['name']], df['class_cd'],values=df['class_name'],aggfunc=','.join)

输出:

          abc1    def2  ghi1
Id name                    
1  A      dog  canine  safe
2  B      cat   tabby   NaN

【讨论】：

【解决方案4】：

我想用 pandas 和 sql 来做 1.导入sql

!pip install pandasql

from pandasql import sqldf
pysqldf = lambda q: sqldf(q, globals())

从 class_cd 中取出数据帧

df1=df[df['class_cd']=='abc1']
df2=df[df['class_cd']=='def2']
df3=df[df['class_cd']=='ghi3']

使用sql连接三张表

query="""
select tt1.Id, tt1.name, tt1.abc1,tt1.def2, t3.class_name as 'ghi3'
from
(select t1.Id,t1.name,t1.class_name as 'abc1', t2.class_name as 'def2'
from df1 as t1 
join df2 as t2 
on t1.name=t2.name) as tt1

left join df3 as t3
on tt1.name = t3.name 

"""

4.结果

df_result=pysqldf(query)
print(df_result)

【讨论】：