Pandas 试验重复索引

Question

我有一个数据集，其中图片展示了 3 次，并且每次展示都进行了测量。预期我想标准化每张图片的值（基于 3 次重复 - 所以 3 个数字）并在类别上运行 ANOVA：第一次演示、第二次演示、第三次演示（适用于所有图片）。然而，在开始之前，我必须重新组织我的数据，以便我可以根据图片名称和重复次数轻松访问数据。

我想转换一个看起来像这样的熊猫数据框：

viola.jpg          0.61  1.968234      1
vlasta.jpg         0.79  1.836025      2
zelmira.jpg        0.76  1.955471      3
viola.jpg          0.71  1.968234      4
vlasta.jpg         0.89  1.836025      5
zelmira.jpg        0.76  1.955471      6
viola.jpg          0.31  1.968234      7
vlasta.jpg         0.79  1.836025      8
zelmira.jpg        0.26  1.955471      9

对于一个看起来像这样的人：

viola.jpg   1   0.61    1.968234        1
            2   0.71    1.968234        4
            3   0.31    1.968234        7
vlasta.jpg  1   0.79    1.836025        2
            2   0.89    1.836025        5
            3   0.79    1.836025        8
zelmira.jpg 1   0.76    1.955471        3
            2   0.76    1.955471        6
            3   0.26    1.955471        9

我尝试过以各种组合方式使用 df.groupby()、df.pivot 和 df.stack()，但显然它们甚至没有模糊地做我正在寻找的事情 - 有什么想法吗？

Answer 1

如果您有一个 DataFrame df，您可以将您的 image name 和 measurement id 字段设置为索引然后排序。这将按照您的需要对数据进行排序。

df2 = df.set_index("pic_name", "meas_id").sort()

groupby 和 pivot 非常适合对数据组执行聚合，或者当您需要对各个组执行特定操作时。 stack 和 unstack 有助于重塑数据，但将索引移动到列，反之亦然。