Python 熔融函数
我有一个数据帧:Python 熔融函数,python,pandas,Python,Pandas,我有一个数据帧: df = pd.DataFrame([[2, 4, 7, 8, 1, 3, 2013], [9, 2, 4, 5, 5, 6, 2014]], columns=['Amy', 'Bob', 'Carl', 'Chris', 'Ben', 'Other', 'Year']) Amy Bob Carl Chris Ben其他年份 0 2 4 7 8 1 3 2013 1 9 2 4 5 5
df = pd.DataFrame([[2, 4, 7, 8, 1, 3, 2013], [9, 2, 4, 5, 5, 6, 2014]], columns=['Amy', 'Bob', 'Carl', 'Chris', 'Ben', 'Other', 'Year'])
Amy Bob Carl Chris Ben其他年份
0 2 4 7 8 1 3 2013
1 9 2 4 5 5 6 2014
还有一本字典:
d = {'A': ['Amy'], 'B': ['Bob', 'Ben'], 'C': ['Carl', 'Chris']}
我想将我的数据框重新设计为如下所示:
组名年份值
2013年1月2日
1 A艾米2014 9
2 B 2013年北京银行4
3 B 2014年北京银行2
4 B本2013 1
5 B本公司2014年5月5日
6 C 2013年11月7日
7 C 2014年4月4日
8 C.克里斯2013 8
9 C.克里斯2014 5
10其他2013年3
11其他2014年6
请注意,
Other
在Name
列中没有任何值,行的顺序无关紧要。我想我应该使用melt
函数,但是我遇到的例子不太清楚。melt
可以部分地解决这个问题
In [29]: m = pd.melt(df, id_vars=['Year'], var_name='Name')
除了组
,这里什么都有。要做到这一点,我们还需要对d
进行一点重塑
In [30]: d2 = {}
In [31]: for k, v in d.items():
for item in v:
d2[item] = k
....:
In [32]: d2
Out[32]: {'Amy': 'A', 'Ben': 'B', 'Bob': 'B', 'Carl': 'C', 'Chris': 'C'}
In [34]: m['Group'] = m['Name'].map(d2)
In [35]: m
Out[35]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 Other 3 NaN
11 2014 Other 6 NaN
[12 rows x 4 columns]
以及将“其他”从名称
移动到组
In [8]: mask = m['Name'] == 'Other'
In [9]: m.loc[mask, 'Name'] = ''
In [10]: m.loc[mask, 'Group'] = 'Other'
In [11]: m
Out[11]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 3 Other
11 2014 6 Other
[12 rows x 4 columns]
melt
让你走到了一半
In [29]: m = pd.melt(df, id_vars=['Year'], var_name='Name')
除了组
,这里什么都有。要做到这一点,我们还需要对d
进行一点重塑
In [30]: d2 = {}
In [31]: for k, v in d.items():
for item in v:
d2[item] = k
....:
In [32]: d2
Out[32]: {'Amy': 'A', 'Ben': 'B', 'Bob': 'B', 'Carl': 'C', 'Chris': 'C'}
In [34]: m['Group'] = m['Name'].map(d2)
In [35]: m
Out[35]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 Other 3 NaN
11 2014 Other 6 NaN
[12 rows x 4 columns]
以及将“其他”从名称
移动到组
In [8]: mask = m['Name'] == 'Other'
In [9]: m.loc[mask, 'Name'] = ''
In [10]: m.loc[mask, 'Group'] = 'Other'
In [11]: m
Out[11]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 3 Other
11 2014 6 Other
[12 rows x 4 columns]
功能:- 此函数用于将数据帧转换为一个或多个列为标识符变量(id_vars)的格式,而所有其他列(被视为测量变量(value_vars))被“取消插入”到行轴,只留下两个非标识符列“variable”和“value” 例如:
我们使用melt将宽数据转换为长数据。melt函数:- 此函数用于将数据帧转换为一个或多个列为标识符变量(id_vars)的格式,而所有其他列(被视为测量变量(value_vars))被“取消插入”到行轴,只留下两个非标识符列“variable”和“value” 例如:
我们使用melt将宽数据转换为长数据。没有我的最终解决方案那么优雅,但你的回答让我达到了目的。谢谢虽然没有我最后的解决方案那么优雅,但你的回答让我达到了目的。谢谢