修改python数据帧

使用python如何更改数据帧

• 输入

  id1 AAA 12
  id1 BBB 2
  id2 DDD 3
  id2 AAA 23
  id3 FFF 34
  id3 AAA 5
  id3 BBB 65
  

• 输出

      id1 id2 id3
  AAA  12  23   0
  BBB   2   0  65
  DDD   0   3   0
  FFF   0   0  34
  

---

我认为pivot_table功能正是您所需要的

row = [["id1", "AAA", 12],["id2", "BBB", 2],["id3", "CCC", 1],["id1", "BBB", 4],["id2", "AAA", 1],["id3", "AAA", 3]]
df=pd.DataFrame(row, columns=["id", "letters", "numbers"])
df.pivot_table(values="numbers", index="letters",columns="id").reset_index()

---

它与excel中的透视表一样，在索引重复的情况下对值求和（但您可以将聚合函数设置为平均值）

我认为透视表函数就是您要寻找的

row = [["id1", "AAA", 12],["id2", "BBB", 2],["id3", "CCC", 1],["id1", "BBB", 4],["id2", "AAA", 1],["id3", "AAA", 3]]
df=pd.DataFrame(row, columns=["id", "letters", "numbers"])
df.pivot_table(values="numbers", index="letters",columns="id").reset_index()

它执行excel中透视表的操作，在索引重复的情况下对值求和（但您可以将聚合函数设置为平均值）

您可以使用unstack（）和fillna（）获得预期的输出

from pandas.compat import StringIO as pStringIO

new_data = pStringIO("""id Symbol Value
id1 AAA 12
id1 BBB 2
id2 DDD 3
id2 AAA 23
id3 FFF 34
id3 AAA 5
id3 BBB 65""")

df = pd.read_csv(new_data, sep="\s+", index_col=[0,1], skipinitialspace=True)
df_soln = (df.unstack(level=0)).fillna(0)
print(df_soln)

给你

       Value            
id       id1   id2   id3
Symbol                  
AAA     12.0  23.0   5.0
BBB      2.0   0.0  65.0
DDD      0.0   3.0   0.0
FFF      0.0   0.0  34.0

如果您不希望顶级显示值，只需执行以下操作

df_soln.columns = [c[-1] for c in df_soln.columns]

可以使用unstack（）和fillna（）获得预期的输出

from pandas.compat import StringIO as pStringIO

new_data = pStringIO("""id Symbol Value
id1 AAA 12
id1 BBB 2
id2 DDD 3
id2 AAA 23
id3 FFF 34
id3 AAA 5
id3 BBB 65""")

df = pd.read_csv(new_data, sep="\s+", index_col=[0,1], skipinitialspace=True)
df_soln = (df.unstack(level=0)).fillna(0)
print(df_soln)

给你

       Value            
id       id1   id2   id3
Symbol                  
AAA     12.0  23.0   5.0
BBB      2.0   0.0  65.0
DDD      0.0   3.0   0.0
FFF      0.0   0.0  34.0

如果您不希望顶级显示值，只需执行以下操作

df_soln.columns = [c[-1] for c in df_soln.columns]