Pandas：使用多索引数据进行透视答案

【问题标题】：Pandas: Pivoting with multi-index dataPandas：使用多索引数据进行透视
【发布时间】：2013-10-17 08:11:07
【问题描述】：

我有两个如下所示的数据框：

rating
   BMW  Fiat  Toyota
0    7     2       3
1    8     1       8
2    9    10       7
3    8     3       9

own
   BMW  Fiat  Toyota
0    1     1       0
1    0     1       1
2    0     0       1
3    0     1       1

我最终试图获得 brand 的 usage 的 mean rating 数据透视表。或者是这样的：

            BMW  Fiat  Toyota
Usage                        
0      8.333333    10       3
1      7.000000     2       8

我的方法是像这样合并数据集：

Measure  Rating                Own              
Brand       BMW  Fiat  Toyota  BMW  Fiat  Toyota
0             7     2       3    1     1       0
1             8     1       8    0     1       1
2             9    10       7    0     0       1
3             8     3       9    0     1       1

然后尝试使用 rating 作为值、own 作为行、brand 作为列来创建数据透视表。但我一直在处理关键问题。我也尝试过拆分度量级别或品牌级别，但我似乎无法使用行索引名称作为枢轴键。

我做错了什么？有更好的方法吗？

【问题讨论】：

标签： python pandas pivot-table

【解决方案1】：

我不是 Pandas 专家，因此解决方案可能比您想要的更笨拙，但是：

rating = pd.DataFrame({"BMW":[7, 8, 9, 8], "Fiat":[2, 1, 10, 3], "Toyota":[3, 8, 7,9]})
own = pd.DataFrame({"BMW":[1, 0, 0, 0], "Fiat":[1, 1, 0, 1], "Toyota":[0, 1, 1, 1]})

r = rating.unstack().reset_index(name='value')
o = own.unstack().reset_index(name='value')
res = DataFrame({"Brand":r["level_0"], "Rating": r["value"], "Own": o["value"]})
res = res.groupby(["Own", "Brand"]).mean().reset_index()
res.pivot(index="Own", columns="Brand", values="Rating")

# result
# Brand       BMW  Fiat  Toyota
# Own                          
# 0      8.333333    10       3
# 1      7.000000     2       8

另一种解决方案，虽然不是很通用（您可以使用 for 循环，但您必须知道 own 数据帧中有哪些值）：

d = []
for o in (0, 1):
    t = rating[own == o]
    t["own"] = o
    d.append(t)

res = pd.concat(d).groupby("own").mean()

【讨论】：

谢谢。很高兴有一个解决方案。你说得对，我希望有更优雅的东西，但一个解决方案让我解脱了。我总是可以写一个函数。
@Brendon 我现在正努力花尽可能多的时间来学习 Pandas，一两周后我会看看我能做什么:) 请不要接受答案，可能是一些大师将带来超优雅的解决方案
好吧，您个人资料上的标语说明了很多:)。我将推迟一周再接受你的回答。再次感谢。
@Brendon 看看，我添加了另一种解决方案，我认为是更 Python 的解决方案。如果我知道如何就地向 DataFrame 添加列，它可能会更短

【解决方案2】：

我对自己的问题有了新的答案（基于 Roman 的初始答案）。关键是要获得所需维度的索引。例如

rating.columns.names = ["Brand"]
rating.index.names = ["n"]
print rating

Brand  BMW  Fiat  Toyota
n                       
0        7     2       3
1        8     1       8
2        9    10       7
3        8     3       9

own.columns.names = ["Brand"]
own.index.names = ["n"]
print own

Brand  BMW  Fiat  Toyota
n                       
0        1     1       0
1        0     1       1
2        0     0       1
3        0     1       1

merged = pd.merge(own.unstack().reset_index(name="Own"), 
                  rating.unstack().reset_index(name="Rating"))
print merged

     Brand  n  Own  Rating
0      BMW  0    1       7
1      BMW  1    0       8
2      BMW  2    0       9
3      BMW  3    0       8
4     Fiat  0    1       2
5     Fiat  1    1       1
6     Fiat  2    0      10
7     Fiat  3    1       3
8   Toyota  0    0       3
9   Toyota  1    1       8
10  Toyota  2    1       7
11  Toyota  3    1       9

那么很容易使用pivot_table命令把它变成想要的结果：

print merged.pivot_table(rows="Brand", cols="Own", values="Rating")

Own             0  1
Brand               
BMW      8.333333  7
Fiat    10.000000  2
Toyota   3.000000  8

这就是我一直在寻找的。再次感谢 Roman 指路。

【讨论】：