在数据帧（pandas/Python）中转换系列，其中列是系列的级别答案

【问题标题】：Transform a Series in a dataframe (of pandas/Python) where the columns are the levels of the Series在数据帧（pandas/Python）中转换系列，其中列是系列的级别
【发布时间】：2018-02-11 02:27:10
【问题描述】：

我正在使用 pandas，我使用了 groupby：

group = df_crimes_query.groupby(["CrimeDateTime", "WeaponFactor"]).size()
group.head(20)


CrimeDateTime  WeaponFactor
2016-01-01     FIREARM          11
               HANDS            26
               KNIFE             3
               OTHER            11
               UNDEFINED       102
2016-01-02     FIREARM          10
               HANDS            21
               KNIFE             8
               OTHER             6
               UNDEFINED        68
2016-01-03     FIREARM          12
               HANDS            13
               KNIFE             6
               OTHER             5
               UNDEFINED        73
2016-01-04     FIREARM          11
               HANDS            10
               KNIFE             1
               OTHER             3
               UNDEFINED        84
dtype: int64

它的类型是一个系列：

type(group)

pandas.core.series.Series

我想要一个这样的数据框：

CrimeDateTime   FIREARM     HANDS   KNIFE   OTHER   UNDEFINED
2016-01-01      11          26      3       11      102
2016-01-02      10          21      8       6       68
2016-01-03      12          13      6       5       73
2016-01-04      11          10      1       3       84

我想使用这个数据框来绘制五个时间序列，然后为每种类型绘制一个（FIREARM、HANDS 等）。我尝试过，在网上搜索过，但没有成功。

代码在我的 GitHub 中（在名为“测试”的部分中）：https://github.com/rmmariano/CAP386_intro_data_science/blob/master/projeto/crimes_baltimore/crimes_baltimore.ipynb

我有其他测试代码，但为了清楚起见，我已经删除了。

有人知道吗？

【问题讨论】：

标签： python pandas dataframe series data-conversion

【解决方案1】：

选项 1
简单而缓慢

pd.crosstab(df.CrimeDateTime, df.WeaponFactor)

WeaponFactor   FIREARM  HANDS  KNIFE  OTHER  UNDEFINED
CrimeDateTime                                         
2016-01-01          11     26      3     11        102
2016-01-02          10     21      8      6         68
2016-01-03          12     13      6      5         73
2016-01-04          11     10      1      3         84

选项 2
更快更酷！

pd.get_dummies(df.CrimeDateTime).T.dot(pd.get_dummies(df.WeaponFactor))

            FIREARM  HANDS  KNIFE  OTHER  UNDEFINED
2016-01-01       11     26      3     11        102
2016-01-02       10     21      8      6         68
2016-01-03       12     13      6      5         73
2016-01-04       11     10      1      3         84

选项 3
下一级功夫熊猫！

i, r = pd.factorize(df.CrimeDateTime.values)
j, c = pd.factorize(df.WeaponFactor.values)
n, m = r.size, c.size
b = np.bincount(j + i * m, minlength=n * m).reshape(n, m)

pd.DataFrame(b, r, c)

            FIREARM  HANDS  KNIFE  OTHER  UNDEFINED
2016-01-01       11     26      3     11        102
2016-01-02       10     21      8      6         68
2016-01-03       12     13      6      5         73
2016-01-04       11     10      1      3         84

【讨论】：

哇太棒了。太棒了，先生。
这是功夫熊猫 :)
非常感谢，太棒了：D

【解决方案2】：

你会得到想要的结果使用

df_crimes_query.groupby(["CrimeDateTime", "WeaponFactor"]).size().unstack().reset_index()

【讨论】：

非常感谢 :D

【解决方案3】：

您可以使用数据透视表而不是 groupby，即

 df.pivot_table(index='CrimeDateTime',columns='WeaponFactor',values='count')

如果您有这样的数据框，则基于您在笔记本中的代码

犯罪日期时间武器因素计数 0 2016-01-01 火器 11 1 2016-01-01 手 26 2 2016-01-01 刀 3 3 2016-01-01 其他 11 4 2016-01-01 未定义 102 5 2016-01-02 火器 10 6 2016-01-02 手 21 7 2016-01-02 刀 8 8 2016-01-02 其他 6 9 2016-01-02 未定义 68 10 2016-01-03 火器 12 11 2016-01-03 手13 12 2016-01-03 刀 6 13 2016-01-03 其他 5 14 2016-01-03 未定义 73 15 2016-01-04 火器 11 16 2016-01-04 手10 17 2016-01-04 刀 1 18 2016-01-04 其他 3 19 2016-01-04 未定义 84

输出：

df.pivot_table(index='CrimeDateTime',columns='WeaponFactor',values='count')

WeaponFactor FIREARM 手刀其他未定义犯罪日期时间 2016-01-01 11 26 3 11 102 2016-01-02 10 21 8 6 68 2016-01-03 12 13 6 5 73 2016-01-04 11 10 1 3 84 在 [595] 中：

【讨论】：

谢谢巴拉特：D