Python 数据帧中的数据转置

我有一个大数据框7 GB csv，通过pandas.read_csv加载，结构如下：

In [1]: df
Out[1]: 

ID            Month           Transaction_Amount

1             2014/01         10
1             2014/02         20
1             2014/03         10
1             2014/04         20
1             2014/05         10
1             2014/06         20
1             2014/07         10
1             2014/08         20
1             2014/09         10
1             2014/10         20
1             2014/11         10
1             2014/12         20
2             2014/01         15
2             2014/02         25
2             2014/03         15
2             2014/04         25
...
10000000      2014/11         13
10000000      2014/12         23

In [2]: my_new_transposed_df
Out[2]:

ID          01      02      03      04   ...    11      12      

1           10      20      10      20          10      20
2           15      25      15      25   ...    15      25
...
10000000    13      23      13      23   ...    13      23

我想在12个月的数据中对每个ID进行线性回归。最终目标是获得每个线性回归的斜率值，并将该值与ID关联。我的第一个想法是，要执行此回归，我应该创建一个具有以下结构的新数据框：

In [1]: df
Out[1]: 

ID            Month           Transaction_Amount

1             2014/01         10
1             2014/02         20
1             2014/03         10
1             2014/04         20
1             2014/05         10
1             2014/06         20
1             2014/07         10
1             2014/08         20
1             2014/09         10
1             2014/10         20
1             2014/11         10
1             2014/12         20
2             2014/01         15
2             2014/02         25
2             2014/03         15
2             2014/04         25
...
10000000      2014/11         13
10000000      2014/12         23

In [2]: my_new_transposed_df
Out[2]:

ID          01      02      03      04   ...    11      12      

1           10      20      10      20          10      20
2           15      25      15      25   ...    15      25
...
10000000    13      23      13      23   ...    13      23

此时，我将在每条直线上执行回归，并记录斜率：

In [1]: my_new_transposed_df['linear_reg_slope'] = my_new_transposed_df.perform_linear_regression(rows=(1:12))

---

然而，我在完成这两个步骤时遇到了困难，我想第一个步骤是转换？第二个是执行回归

您应该使用groupby将数据分组到多个数据帧中，每个ID对应一个数据帧，然后对每个数据帧进行回归。退房，你能详细说明一下吗？我将groupby与sum结合使用，对多行数据求和，但不执行换位。我的意思是，您不想执行换位。您只需要对数据进行分组，并对每个组执行操作。您可以执行df.groupby'ID'['Transaction Amount'].applymyFunction，其中myFunction是一个函数，它获取一系列事务数据，并进行回归，返回斜率或任何您想要的其他数据。实际上，你不需要创建巨大的转置数据帧，只需要对每个ID分别进行回归。您可以执行类似df.set_index['ID'，'Month']的操作。取消堆栈。但是，正如BrenBarn所说，如果不需要创建额外的DF，最好不要创建。我正在研究使用sklearn.linear_model.LinearRegression模块，但不确定BrenBarn建议在apply函数中使用LinearRegression的语法。