Pandas 重塑数据帧年份变量

如何重塑/变换：

df = pd.DataFrame({'Year':[2014,2015,2014,2015],'KS4':[True, True, False, False], 'KS5':[False, False, True, False]})

     KS4    KS5  Year
0   True  False  2014
1   True  False  2015
2  False   True  2014
3  False  False  2015

要获得：

    KS4   KS5
0  2014  2014
1  2015      

试试这个

df.KS4=df.KS4.mul(df.Year)
df.KS5=df.KS5.mul(df.Year)

df.set_index('Year').stack().to_frame().replace({0:np.nan}).dropna()\
           .unstack().fillna('').reset_index(drop=True)
Out[159]: 
        0      
      KS4   KS5
0    2014  2014
1    2015

使用df.columns=df.columns.droplevel编辑放置列级别

或

试试这个

df.KS4=df.KS4.mul(df.Year)
df.KS5=df.KS5.mul(df.Year)

df.set_index('Year').stack().to_frame().replace({0:np.nan}).dropna()\
           .unstack().fillna('').reset_index(drop=True)
Out[159]: 
        0      
      KS4   KS5
0    2014  2014
1    2015

使用df.columns=df.columns.droplevel编辑放置列级别

或

---

看起来您只是在查看值为真的地方。如果是的话

dd = dd.groupby(['Year'], as_index=False).sum()

dd.KS4 = dd.KS4 * dd.Year
dd.KS5 = dd.KS5 * dd.Year

dd.replace(0, '', inplace=True)

---

看起来您只是在查看值为真的地方。如果是的话

dd = dd.groupby(['Year'], as_index=False).sum()

dd.KS4 = dd.KS4 * dd.Year
dd.KS5 = dd.KS5 * dd.Year

dd.replace(0, '', inplace=True)

---

有两个简单的答案涉及到用序列重建数据帧

df.iloc[:, :-1].apply(lambda x: pd.Series(df.Year.values[x]))

对于循环，这可以更明确地执行相同的操作

pd.DataFrame({col: pd.Series(df['Year'].values[df[col]]) for col in df.columns[:-1]})

    KS4     KS5
0  2014  2014.0
1  2015     NaN

---

有两个简单的答案涉及到用序列重建数据帧

df.iloc[:, :-1].apply(lambda x: pd.Series(df.Year.values[x]))

对于循环，这可以更明确地执行相同的操作

pd.DataFrame({col: pd.Series(df['Year'].values[df[col]]) for col in df.columns[:-1]})

    KS4     KS5
0  2014  2014.0
1  2015     NaN

---

有更简单的答案更有效。请看我的答案：有更简单的答案更有效。看我的