Python 熊猫长得很宽

使用pandas，我想将长数据帧转换为宽数据帧，但通常的

pivot

方法没有我需要的那么灵活

以下是详细的数据：

raw = {
'sample':[1, 1, 1, 1, 2, 2, 3, 3, 3, 3],
'gene':['G1', 'G2', 'G3', 'G3', 'G1', 'G2', 'G2', 'G2', 'G3', 'G3'],
'type':['HIGH', 'HIGH', 'LOW', 'MED', 'HIGH', 'LOW', 'LOW', 'LOW', 'MED', 'LOW']}
df = pd.DataFrame(raw)`

产生

gene  sample  type
G1       1  HIGH
G2       1  HIGH
G3       1   LOW
G3       1   MED
G1       2  HIGH
G2       2   LOW
G2       3   LOW
G2       3   LOW
G3       3   MED
G3       3   LOW

我想要的是一个数据框，它的行为

gene

，列为

sample

，但我希望单元格值按照

HIGH

MED

LOW

NONE

填充“最大的”

类型，也就是说，它应该是这样的

casted = {
'gene':['G1', 'G2', 'G3'],
'1':['HIGH', 'HIGH', 'MED'],
'2':['HIGH', 'LOW', 'NONE'],
'3':['NONE', 'LOW', 'MED']
}
dfCast = pd.DataFrame(casted)

这使得

1     2     3      gene
HIGH  HIGH  NONE   G1
HIGH  LOW   LOW    G2
MED   NONE  MED    G3

不管是琐碎的还是错误的，我从长到宽的命令看起来像

casted = {
'gene':['G1', 'G2', 'G3'],
'1':['HIGH', 'HIGH', 'MED'],
'2':['HIGH', 'LOW', 'NONE'],
'3':['NONE', 'LOW', 'MED']
}
dfCast = pd.DataFrame(casted)

df=df.pivot（index='gene'，columns='sample'，values='type'）

但当然，这并不能解释我想在
HIGH
MED
LOW
NONE

在强制转换时，如何控制单元格值？
您可以使用
pivot\u table
，它提供了一种
aggfun
方法来聚合重复的索引列值；要按所需顺序对关键字
HIGH、MED、LOW
进行排序，请将它们设置为字典的键，其值按单调顺序排列，并使用
min/max
作为聚合函数选择极值：

cat = {"HIGH": 3, "MED": 2, "LOW": 1}
df.pivot_table("type", "gene", "sample", aggfunc=lambda x: max(x, key=cat.get))



或另一个选项，将类型转换为有序分类数据类型，然后使用
pivot\u table
：

df['type'] = pd.Categorical(df['type'], ["LOW", "MED", "HIGH"], ordered=True)
df.pivot_table("type", "gene", "sample", aggfunc='max')

非常有用，而且干净。非常感谢。