如何在熊猫中旋转多标签表答案

【问题标题】：How to pivot multilabel table in pandas如何在熊猫中旋转多标签表
【发布时间】：2018-08-04 21:11:29
【问题描述】：

我正在尝试导入有关不同商品价格变化的数据。数据保存在 MySQL 中。我以类似于以下的堆叠格式导入了输入数据框df：

 ID    Type      Date      Price1   Price2
0001    A     2001-09-20    30       301
0002    A     2001-09-21    31       278
0003    A     2001-09-22    28       299
0004    B     2001-09-18    18       159
0005    B     2001-09-20    21       157
0006    B     2001-09-21    21       162
0007    C     2001-09-19    58       326
0008    C     2001-09-20    61       410
0009    C     2001-09-21    67       383

而且，为了进行时间序列分析，我想转换成另一种格式，类似于：

               A               B              C
             Price1  Price2  Price1  Price2  Price1  Price2
Date   
2001-09-18   NULL     NULL    18       159    NULL    NULL
2001-09-19   NULL     NULL   NULL     NULL     58     326
2001-09-20   30       301    21        157     61     410
2001-09-21   31       278    21        168     67     383
2001-09-22   28       299    NULL     NULL    NULL    NULL

我看过this question。这两种建议的方式都不是我想要实现的。关于 pivot 的 pandas 文档似乎也没有提及任何相关内容。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以通过pivot 或set_index 和unstack 进行整形，但随后需要swaplevel 和sort_index 以在列中获得预期的Multiindex：

df1 = (df.drop('ID', axis=1)
         .pivot('Date','Type')
         .swaplevel(0,1, axis=1)
         .sort_index(axis=1))

df1 = (df.drop('ID', axis=1)
         .set_index(['Date','Type'])
         .unstack()
         .swaplevel(0,1, axis=1)
         .sort_index(axis=1))

df1 = (df.set_index(['Date','Type'])[['Price1','Price2']]
         .unstack()
         .swaplevel(0,1, axis=1)
         .sort_index(axis=1))

print (df1)
Type            A             B             C       
           Price1 Price2 Price1 Price2 Price1 Price2
Date                                                
2001-09-18    NaN    NaN   18.0  159.0    NaN    NaN
2001-09-19    NaN    NaN    NaN    NaN   58.0  326.0
2001-09-20   30.0  301.0   21.0  157.0   61.0  410.0
2001-09-21   31.0  278.0   21.0  162.0   67.0  383.0
2001-09-22   28.0  299.0    NaN    NaN    NaN    NaN

【讨论】：