【发布时间】：2015-06-01 22:32:28
【问题描述】：
我正在使用 Pandas 清理和准备我的数据集，以供学习算法使用，例如用于分类的随机森林或用于聚类的 K-means。
我曾经有这样的数据集（示例）：
但是，我在这样的数据集中面临一种不同的类型，称为：纵向数据，类似于以下图示示例：
如您所见，对于每一个实例（人或汽车），对于相同的特征都有多个值，其中每个值都是在特定时间点添加的。
这是来自数据集的编辑示例：
"ID","Temperature","***",
"001","36","***",
"001","36","***",
"001","37","***",
"001","36","***",
"002","38","***",
"002","38","***",
"002","36","***",
...
"004","37","***",
"004","37","***",
"005","36","***",
"005","36","***",
同一个 ID 的每一次重复都意味着不同的数据被采集的日子——在我们的例子中，数据是温度。
如何使用 Pandas 准备此类数据以对随机森林等学习算法有用？如果 Pandas 没有办法，您是否建议一种能够处理此类数据的学习算法？谢谢。
【问题讨论】：
-
你能发布原始输入数据吗
-
您好 EdChum 先生。很高兴在这里见到你。我已经用示例更新了我的问题。非常感谢您始终积极而迅速的回应。
-
对于初学者，请查看
unstack()文档。如果您还发布了所需的最终数据形式，人们会更容易回答这个问题。 -
我很抱歉没有感谢 JohnE 先生的回复。我在交叉验证堆栈交换中提出了一个类似的问题，希望有人会从机器学习的角度找到解决方案，在建议的算法中使用这种结构。感谢您尝试帮助，再次抱歉。
标签： python-3.x pandas machine-learning