Python 数据帧从窄到宽，透视表无聚合

我有一个包含

iris

数据集的熊猫数据帧。我想将此数据框子集为仅包括

萼片长度

和

物种

，然后对其进行重塑，使列为

物种

的唯一值，值为该物种的值

# load data into a dataframe
df = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')

head(df)
+----+---------------+--------------+---------------+--------------+---------+
|    | sepal_length  | sepal_width  | petal_length  | petal_width  | species |
+----+---------------+--------------+---------------+--------------+---------+
| 0  |          5.1  |         3.5  |          1.4  |         0.2  | setosa  |
| 1  |          4.9  |         3.0  |          1.4  |         0.2  | setosa  |
| 2  |          4.7  |         3.2  |          1.3  |         0.2  | setosa  |
| 3  |          4.6  |         3.1  |          1.5  |         0.2  | setosa  |
| 4  |          5.0  |         3.6  |          1.4  |         0.2  | setosa  |
+----+---------------+--------------+---------------+--------------+---------+

我能做的是，我从熊猫身上取下数据，用字典重塑数据，但我不知道如何在熊猫身上做

data = df.to_dict('records')

e = {}
for line in data:
    e[line['species']] = []

for line in data:
    e[line['species']].append(line['sepal_length'])

new = pd.DataFrame(e)

这就是我想要的结局：

+----+---------+-------------+-----------+
|    | setosa  | versicolor  | virginica |
+----+---------+-------------+-----------+
| 0  |    5.1  |        7.0  |       6.3 |
| 1  |    4.9  |        6.4  |       5.8 |
| 2  |    4.7  |        6.9  |       7.1 |
| 3  |    4.6  |        5.5  |       6.3 |
| 4  |    5.0  |        6.5  |       6.5 |
+----+---------+-------------+-----------+

我试过使用

pd.crosstab（df['sepal\u length'，df['species'））

但这并不能满足我的需求。我也尝试过使用

df.pivot\u表（'sepal\u length'，columns='species'）

，但也不是这样

---

我错过了什么

您要做的事情需要采取一些步骤。（以下代码假定使用本标准）

首先，让我们仅按所需的列对数据帧进行子集划分

df_subset = df[['sepal_length','species']]

接下来，使用（

pandas.pivot_table

）的intead将数据帧从“长”转换为“平”

现在，我们已经接近您想要的了，但是因为您的三个

species

列沿着相同的索引运行，所以对于任何给定行，数据透视

DataFrame

为三列中的两列返回

NaN

s。我们可以通过按列连接

数据帧

来解决这个问题，同时对其重新编制索引。（基本上是创建三个数据框架，每个物种一个，并通过一个新的索引将它们连接起来）。我们可以采用以下两种方法之一：

• 紧凑型解决方案：

  names = ['setosa','versicolor','virginica']
  
  df_final = pd.concat(map(lambda name: df_pivot[name].dropna().reset_index().drop('index',axis=1), names), axis=1) 
  

• 这相当于：

  df_final = pd.concat([
      df_pivot['setosa'].dropna().reset_index().drop('index',axis=1),
      df_pivot['versicolor'].dropna().reset_index().drop('index',axis=1),
      df_pivot['virginica'].dropna().reset_index().drop('index',axis=1)],axis=1)
  

IIUC您可以在

species

col上使用并设置索引，然后使用不需要

agg

func的替代项

df1 = df.set_index(df.groupby('species').cumcount())

df1 = df1.pivot(columns='species', values='sepal_length').rename_axis(None,axis=1)

print (df1)

   setosa  versicolor  virginica
0     5.1         7.0        6.3
1     4.9         6.4        5.8
2     4.7         6.9        7.1
3     4.6         5.5        6.3
4     5.0         6.5        6.5

---

初始数据帧是什么样子的？

df1 = df.set_index(df.groupby('species').cumcount())

df1 = df1.pivot(columns='species', values='sepal_length').rename_axis(None,axis=1)

print (df1)

   setosa  versicolor  virginica
0     5.1         7.0        6.3
1     4.9         6.4        5.8
2     4.7         6.9        7.1
3     4.6         5.5        6.3
4     5.0         6.5        6.5