在 Pandas 中为 Sankey 重新格式化数据集

Question

我的数据在融化的 Pandas 数据框中（下面的数据代码）：

student	course	order
Jerry	A	1
Jerry	B	2
Jerry	C	NaN
Jessy	C	1
Jessy	A	2
Jessy	B	3
Raphael	A	1
Raphael	C	2
Raphael	C	3
Raphael	B	4
Sally	A	1
Sally	B	2
Sally	C	NaN

Sankey 需要这样的格式：

course1	course2	course3	course4	count
A	B			2
A	C	C	B	1
C	A	B		1

我不知道如何为order 的每个级别创建列并使用course 的值填充该列，同时还创建count 列来计算具有相同值的学生数量顺序。

如果我尝试df.groupby('order')['course'].count()，它会将组返回为行，而不是我需要的列。

order
1.0    2682
2.0     578
3.0     197
4.0      89
5.0      27
6.0       8
7.0       1
Name: course, dtype: int64

它也不会创建需要填充决赛桌的序列集。

有人可以帮我将我的长表重新格式化为一个包含所有课程序列计数的表格吗？

非常感谢任何帮助。

玩具数据：

student = ['Jerry','Jerry','Jerry','Jessy','Jessy','Jessy','Raphael','Raphael','Raphael','Raphael','Sally','Sally','Sally']
course = ['A','B','C','C','A','B','A','C','C','B','A','B','C']
order = [1,2,np.NaN,1,2,3,1,2,3,4,1,2,np.NaN]
df = pd.DataFrame({'student':student, 'course':course,'order':order})

Answer 1

步骤数可能会少一些，但我创建了以下流程。

1. 删除 Na 值并添加课程名称列。
2. 按课程名称转换为横向格式
3. 将所有课程名称组合成一个字符串
4. 按所有课程字符串汇总
5. 结合原始数据框和聚合数据框
6. 删除重复行并重命名列

df.dropna(axis=0, how='any', inplace=True)
df['course_gp'] = df['order'].apply(lambda x: 'course' + str(int(x)))
df = df.pivot(index='student', columns='course_gp', values='course')
df.fillna('', inplace=True)
df['course_all'] = df['course1'] + df['course2'] + df['course3'] + df['course4']
dfc = df.groupby('course_all').count()
df = df.merge(dfc[['course1']], left_on='course_all', right_on='course_all', how='inner' )
df.drop_duplicates(keep='first', inplace=True)
df.rename({'course1_y':'count','course1_x':'course1'}, axis=1, inplace=True)

	course1	course2	course3	course4	course_all	count
0	A	B			AB	2
2	C	A	B		CAB	1
3	A	C	C	B	ACCB	1