Python 用于热图的数据透视表

我正在尝试使用seaborn生成热图，但是我的数据格式有一个小问题

目前，我的数据格式如下：

Name     Diag   Date
A        1       2006-12-01
A        1       1994-02-12
A        2       2001-07-23
B        2       1999-09-12
B        1       2016-10-12
C        3       2010-01-20
C        2       1998-08-20

我想创建一个热图（最好是python），在一个轴上显示

Name

，与

Diag

（如果发生）相对应。我曾尝试使用

pd.pivot

透视表，但出现了错误

ValueError:索引包含重复的条目，无法重塑

这来自：

piv=df.pivot_表（index='Name'，columns='Diag'）

时间是不相关的，但我想展示一下哪些

名称

拥有哪些

Diag

，哪些

Diag

组合聚集在一起。我是否需要为此创建一个新表，或者是否可能为此创建一个新表？在某些情况下，

Name

与所有

Diag

编辑： 此后，我尝试： piv=df.pivot_表（index='Name'，columns='Diag'，values='Time'，aggfunc='mean'）

然而，由于时间是datetime格式的，因此我的结论是：

---

pandas.core.base.DataError:没有要聚合的数值类型

您需要使用一些聚合函数，因为对于同一索引和列，有多个值，并且

pivot

只需要唯一的值：

print (df)
  Name  Diag  Time
0    A     1    12 <-duplicates for same A, 1 different value
1    A     1    13 <-duplicates for same A, 1 different value
2    A     2    14
3    B     2    18
4    B     1     1
5    C     3     9
6    C     2     8

df = df.pivot_table(index='Name',columns='Diag', values='Time', aggfunc='mean')
print (df)
Diag     1     2    3
Name                 
A     12.5  14.0  NaN
B      1.0  18.0  NaN
C      NaN   8.0  9.0

编辑：

您还可以通过以下方式检查所有副本：

编辑：

日期时间的

平均值

不容易-需要将日期转换为

纳秒

，获取平均值和最后一次转换为日期时间。还有另一个问题-需要将

NaN

替换为某个标量，例如

0

转换为

0

datetime-

1970-01-01

df.Date = pd.to_datetime(df.Date)
df['dates_in_ns'] = pd.Series(df.Date.values.astype(np.int64), index=df.index)
df = df.pivot_table(index='Name',
                    columns='Diag', 
                    values='dates_in_ns', 
                    aggfunc='mean', 
                    fill_value=0)
df = df.apply(pd.to_datetime)
print (df)
Diag                   1          2          3
Name                                          
A    2000-07-07 12:00:00 2001-07-23 1970-01-01
B    2016-10-12 00:00:00 1999-09-12 1970-01-01
C    1970-01-01 00:00:00 1998-08-20 2010-01-20

您需要使用一些聚合函数，因为对于同一索引和列，有多个值，

pivot

只需要唯一的值：

print (df)
  Name  Diag  Time
0    A     1    12 <-duplicates for same A, 1 different value
1    A     1    13 <-duplicates for same A, 1 different value
2    A     2    14
3    B     2    18
4    B     1     1
5    C     3     9
6    C     2     8

df = df.pivot_table(index='Name',columns='Diag', values='Time', aggfunc='mean')
print (df)
Diag     1     2    3
Name                 
A     12.5  14.0  NaN
B      1.0  18.0  NaN
C      NaN   8.0  9.0

编辑：

您还可以通过以下方式检查所有副本：

编辑：

日期时间的

平均值

不容易-需要将日期转换为

纳秒

，获取平均值和最后一次转换为日期时间。还有另一个问题-需要将

NaN

替换为某个标量，例如

0

转换为

0

datetime-

1970-01-01

df.Date = pd.to_datetime(df.Date)
df['dates_in_ns'] = pd.Series(df.Date.values.astype(np.int64), index=df.index)
df = df.pivot_table(index='Name',
                    columns='Diag', 
                    values='dates_in_ns', 
                    aggfunc='mean', 
                    fill_value=0)
df = df.apply(pd.to_datetime)
print (df)
Diag                   1          2          3
Name                                          
A    2000-07-07 12:00:00 2001-07-23 1970-01-01
B    2016-10-12 00:00:00 1999-09-12 1970-01-01
C    1970-01-01 00:00:00 1998-08-20 2010-01-20

---

谢谢这很有帮助。现在的问题可能是时间实际上是数据时间格式，所以不是数字。也许我应该添加一个关于这些问题的专栏作为解决方法？我认为这是同样的问题。但我知道如何检查这些值，请给我一个sec.pandas.core.base.DataError：没有要聚合的数字类型是我当前的错误。不幸的是，我没有在示例中输入正确的数据类型，因为它的时间格式是“2016-12-12”。好的，没问题。主要问题是-你需要平均值吗？还是只需要第一个值？谢谢！这很有帮助。现在的问题可能是时间实际上是数据时间格式，所以不是数字。也许我应该添加一个关于这些问题的专栏作为解决方法？我认为这是同样的问题。但我知道如何检查这些值，请给我一个sec.pandas.core.base.DataError：没有要聚合的数字类型是我当前的错误。不幸的是，我没有在示例中输入正确的数据类型，因为它的时间格式是“2016-12-12”。好的，没问题。主要问题是-您需要mean吗？还是只需要第一个值？这个问题可以从一些代码中受益匪浅，这些代码显示了您实际尝试的pivot语法。只显示错误会让我们任何阅读它的人都不得不猜测很多。如果有一些代码显示您实际尝试的pivot语法，这个问题可能会大大受益。仅仅显示错误就让我们阅读它的人不得不猜测很多。