Python 如何合并两个表并将行转换为列
我有两张桌子: T1Python 如何合并两个表并将行转换为列,python,pandas,dataframe,Python,Pandas,Dataframe,我有两张桌子: T1 id x y 8 42 1.9 9 30 1.9 T2 id signal 8 55 8 56 8 59 9 57 9 58 9 60 目标是获得新的表T3: id x y s1 s2 s3 8 42 1.9 55 56 58 9 30 1.9 57 58 60 如
id x y
8 42 1.9
9 30 1.9
T2
id signal
8 55
8 56
8 59
9 57
9 58
9 60
目标是获得新的表T3:
id x y s1 s2 s3
8 42 1.9 55 56 58
9 30 1.9 57 58 60
如果执行此操作,则它只执行合并而不执行转置:
pd.merge(T1, T2, on=['id'])
如何创建列
s1
、s2
和s3
,每个列对应一行(每个id
的行数始终固定并等于3)?更新:
正如@Jeff在他的评论中所写的那样,@ubuntu的解决方案应该比我的更快、更地道:
In [40]: T1.merge(
....: T2.pivot_table(index='id',
....: values='signal',
....: columns='s' + T2.groupby(['id'])['signal'].cumcount().astype(str))
....: .reset_index()
....: )
Out[40]:
id x y s0 s1 s2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
旧答案:
您可以这样做:
In [209]: %paste
(t1.set_index('id')
.join(t2.groupby('id')['signal']
.apply(lambda x: x.tolist())
.apply(pd.Series))
.reset_index()
)
## -- End pasted text --
Out[209]:
id x y 0 1 2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
说明:
根据id
对T2
进行分组,并将所有相应的信号“收集”到列表中
In [211]: t2.groupby('id')['signal'].apply(lambda x: x.tolist())
Out[211]:
id
8 [55, 56, 59]
9 [57, 58, 60]
Name: signal, dtype: object
将列表展开为列
In [213]: t2.groupby('id')['signal'].apply(lambda x: x.tolist()).apply(pd.Series)
Out[213]:
0 1 2
id
8 55 56 59
9 57 58 60
最后通过索引id
PS如果您想重命名所有数值列,可以这样做(假设您将结果保存到rslt
DF中):
下面是我使用
groupby
和unstack
的方法:
df = df1.merge(df2.groupby('id')['signal'].apply(lambda x: x.reset_index(drop=True)).unstack().reset_index())
df
Out[63]:
id x y 0 1 2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
如果我将它们分开:
df2t = df2.groupby('id')['signal'].apply(lambda x: x.reset_index(drop=True)).unstack().reset_index()
df2t
Out[59]:
id 0 1 2
0 8 55 56 59
1 9 57 58 60
df = df1.merge(df2t)
df
Out[61]:
id x y 0 1 2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
另一种方法是使用//:
屈服
id x y s0 s1 s2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
主要技巧是使用
groupby/cumcount
将每组累积计数添加到T2:
In [81]: T2['col'] = 's' + T2.groupby(['id'])['signal'].cumcount().astype(str); T2
Out[81]:
id signal col
0 8 55 s0
1 8 56 s1
2 8 59 s2
3 9 57 s0
4 9 58 s1
5 9 60 s2
然后可以使用pivot
将T2
重塑为(或至少接近)所需的形状:
In [82]: T2 = T2.pivot(index='id', columns='col', values='signal').reset_index(); T2
Out[82]:
col id s0 s1 s2
0 8 55 56 59
1 9 57 58 60
而结果
可以通过合并得到:
In [83]: pd.merge(T1, T2)
Out[83]:
id x y s0 s1 s2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60
你能简要地评论一下这段代码背后的逻辑吗?@Klue,我已经在我的回答中添加了一个简短的解释-请检查一下仅供参考,像这样使用apply是非惯用和非性能的。使用像@ubuntusoln这样的重塑操作符要好得多。请注意@unutbu的解决方案-它应该比我的更快
In [82]: T2 = T2.pivot(index='id', columns='col', values='signal').reset_index(); T2
Out[82]:
col id s0 s1 s2
0 8 55 56 59
1 9 57 58 60
In [83]: pd.merge(T1, T2)
Out[83]:
id x y s0 s1 s2
0 8 42 1.9 55 56 59
1 9 30 1.9 57 58 60