Pandas 在给定键值数据帧的情况下填充密集数据帧

我有一个键值数据框：

pd.DataFrame(columns=['X','Y','val'],data= [['a','z',5],['b','g',3],['b','y',6],['e','r',9]])
>    X Y val
   0 a z   5
   1 b g   3
   2 b y   6
   3 e r   9

     X z g y r
   0 a 5 0 0 0
   1 b 0 3 6 0
   2 e 0 0 0 9

我想将其转换为更密集的数据帧：

pd.DataFrame(columns=['X','Y','val'],data= [['a','z',5],['b','g',3],['b','y',6],['e','r',9]])
>    X Y val
   0 a z   5
   1 b g   3
   2 b y   6
   3 e r   9

     X z g y r
   0 a 5 0 0 0
   1 b 0 3 6 0
   2 e 0 0 0 9

在我求助于纯python之前，我想知道是否有一种简单的方法可以对熊猫做到这一点

您可以使用：

然后通过val列：

In [13]: res = dummies.mul(df['val'], axis=0)

In [14]: res
Out[14]: 
   g  r  y  z
0  0  0  0  5
1  3  0  0  0
2  0  0  6  0
3  0  9  0  0

要修复索引，只需添加X作为此索引，您可以首先应用set_index：

In [21]: df1 = df.set_index('X', append=True)

In [22]: df1
Out[22]: 
     Y  val
  X        
0 a  z    5
1 b  g    3
2 b  y    6
3 e  r    9

In [23]: dummies = pd.get_dummies(df['Y'])

In [24]: dummies.mul(df['val'], axis=0)
Out[24]: 
     g  r  y  z
  X            
0 a  0  0  0  5
1 b  3  0  0  0
2 b  0  0  6  0
3 e  0  9  0  0

如果要执行此操作（也可以使用pivot_table）：

也许您想重置索引，使X成为一列（我不确定than是否有意义）：

为完整起见，以下文件：

注意：在重置索引后，列名被命名为Y，不确定这是否有意义（并且很容易通过

res.columns.name=None

进行更正）。

您可以使用：

然后通过val列：

In [13]: res = dummies.mul(df['val'], axis=0)

In [14]: res
Out[14]: 
   g  r  y  z
0  0  0  0  5
1  3  0  0  0
2  0  0  6  0
3  0  9  0  0

要修复索引，只需添加X作为此索引，您可以首先应用set_index：

In [21]: df1 = df.set_index('X', append=True)

In [22]: df1
Out[22]: 
     Y  val
  X        
0 a  z    5
1 b  g    3
2 b  y    6
3 e  r    9

In [23]: dummies = pd.get_dummies(df['Y'])

In [24]: dummies.mul(df['val'], axis=0)
Out[24]: 
     g  r  y  z
  X            
0 a  0  0  0  5
1 b  3  0  0  0
2 b  0  0  6  0
3 e  0  9  0  0

如果要执行此操作（也可以使用pivot_table）：

也许您想重置索引，使X成为一列（我不确定than是否有意义）：

为完整起见，以下文件：

---

注意：在重置索引后，列名被命名为Y，不确定这是否有意义（并且很容易通过

res.columns.name=None

进行更正）。

如果您想要更直接的内容。类似于

DataFrame.lookup

但对于np.put可能有意义

def lookup_index(self, row_labels, col_labels):
    values = self.values
    ridx = self.index.get_indexer(row_labels)
    cidx = self.columns.get_indexer(col_labels)
    if (ridx == -1).any():
        raise ValueError('One or more row labels was not found')
    if (cidx == -1).any():
        raise ValueError('One or more column labels was not found')
    flat_index = ridx * len(self.columns) + cidx
    return flat_index

flat_index = lookup_index(df, vals.X, vals.Y)
np.put(df.values, flat_index, vals.val.values)

---

这假设

df

具有适当的列和索引来保存X/Y值。如果你想要感觉更直接的东西，这里有一个ipython笔记本。类似于

DataFrame.lookup

但对于np.put可能有意义

def lookup_index(self, row_labels, col_labels):
    values = self.values
    ridx = self.index.get_indexer(row_labels)
    cidx = self.columns.get_indexer(col_labels)
    if (ridx == -1).any():
        raise ValueError('One or more row labels was not found')
    if (cidx == -1).any():
        raise ValueError('One or more column labels was not found')
    flat_index = ridx * len(self.columns) + cidx
    return flat_index

flat_index = lookup_index(df, vals.X, vals.Y)
np.put(df.values, flat_index, vals.val.values)

---

这假设

df

具有适当的列和索引来保存X/Y值。这是一个ipython笔记本

不需要

B00

的空行，就可以轻松获得它；这很重要吗？6应该在第2行而不是第1行吗？修复了第2行，这是一个打字错误！谢谢你指出这一点！不需要空行

b0

，就可以轻松地获得此信息；这很重要吗？6应该在第2行而不是第1行吗？修复了第2行，这是一个打字错误！谢谢你指出这一点！嗯。使用

get_dummies

保留OP想要的所有行，但不将3和6放在同一行中

.pivot（“X”、“Y”）.fillna（0）

将3和6放在同一行中，但丢失0行。我不确定哪一个更接近OP的目标。嗯，这个定位看起来是错误的。我缺少的是df['X']列是indexYeah的一部分，我想这可能是OP的一个错误+1无论如何。（^）：）我明白你的意思。是的，这取决于他们想要什么。如果这是OP写的东西，他们应该扔掉第一个索引（因为这没有多大意义）…是的，很抱歉没有弄清楚-我一直在寻找的数据透视表。。。忘了那些。然而，在测试了

get_dummies

之后，这对于我需要使用的东西来说效果更好。非常感谢。嗯。使用

get_dummies

保留OP想要的所有行，但不将3和6放在同一行中

.pivot（“X”、“Y”）.fillna（0）

将3和6放在同一行中，但丢失0行。我不确定哪一个更接近OP的目标。嗯，这个定位看起来是错误的。我缺少的是df['X']列是indexYeah的一部分，我想这可能是OP的一个错误+1无论如何。（^）：）我明白你的意思。是的，这取决于他们想要什么。如果这是OP写的东西，他们应该扔掉第一个索引（因为这没有多大意义）…是的，很抱歉没有弄清楚-我一直在寻找的数据透视表。。。忘了那些。然而，在测试了

get_dummies

之后，这对于我需要使用的东西来说效果更好。非常感谢。