Python 使用unstack（）时将数据帧值应用于数据帧

在这方面似乎有很多，但我找不到我需要的。我正在使用unstack（）创建一个数据框，可以绘制其中的项目

开始数据帧示例：

Date        word    tf_idf
2015-01-02  grout   0.0016774129439329863
2015-01-02  rhrsw   0.0015957287173067212
2015-01-02  county  0.001501862322171032
2015-01-02  limestone 0.001501862322171032
2015-01-02  lgt       0.0014079959270353424

一个更好的例子是单词tf_idf值随时间变化（这就是我需要绘制的）：

使用在线教程，我可以通过以下方式实现这一点：

plotFrame=plotDf.groupby（['Date'，'word']）.count（）['tf_idf'].unstack（）

收益率：

      word    word2   word3
date    1       nan     nan
date2   nan     1        1
date3   nan     nan      1

然而，这给了我字数。我需要得到该特定单词的实际值。我试过：

plotFrame=plotDf.groupby（['Date'，'word']）.apply（plotDf.loc['Index'].at['tf\u idf']）['tf\u idf'].unstack（）
和
plotFrame=plotDf.groupby（['Date'，'word']）。应用（plotDf.loc['tf_idf']）['tf_idf']）。取消堆栈（）
和
plotFrame=plotDf.groupby（['Date'，'word']）。应用（plotDf.at['tf_idf']）['tf_idf']）。取消堆栈（）

与其他一些

apply（）.loc

组合一起，除了Series not hashable/Key/Numpy数组之外没有其他输出，是不可调用的类型错误

如何检索特定单词处的

tf_idf

值并将其应用于新数据帧

我想：

      word       word2   word3
date    0.012      nan     nan
date2   nan     0.019     0.03
date3   nan     nan       0.01

以下是我的方法，它看起来并不完美，但解决了您的问题：

如何检索特定单词的tf_idf值并应用它 到我的新数据帧

输出：

以下是我的方法，它看起来并不完美，但解决了您的问题：

如何检索特定单词的tf_idf值并应用它 到我的新数据帧

输出：

已解决。使用枢轴：

plotDf.pivot（index='Date'，columns='word'，values='tf_idf'）.plot（ax=ax）

已解决。使用枢轴：

plotDf.pivot（index='Date'，columns='word'，values='tf_idf'）.plot（ax=ax）

您能否至少共享部分数据帧？请参阅“编辑jjI”一书，该书采用了一种易于使用的格式，目的是能够复制/粘贴数据并使其尽快工作。另外，您能否解释一下数据的用途，为什么您需要这种特定格式的数据？我不确定如何获取数据以及您需要什么格式。我需要这种格式，这样我可以随着时间的推移绘制每个单词、值对。你能至少共享数据框的一部分吗？请看编辑jjI的意思是使用一种易于使用的格式，目标是能够复制/粘贴它并尽快使其工作。另外，你能解释数据的用途吗，为什么你需要这种特殊的格式？我不太清楚如何得到它，你想要什么格式。我需要它的格式，这样我就可以随着时间的推移绘制每个单词、值对

      word       word2   word3
date    0.012      nan     nan
date2   nan     0.019     0.03
date3   nan     nan       0.01

from datetime import datetime
import pandas as pd

today = datetime.now()
today = today.strftime("%d/%m/%Y")
c = {'Date': today, 'word':['grout','rhrsw','county','limestone','lgt'],"SITEID": ['SQN','BFN','BFN','BFN','BFN'],
    'tf_idf': [0.0016774129439329863,0.0015957287173067212,0.001501862322171032,0.001501862322171032,0.0014079959270353424]}
dframe = pd.DataFrame(data = c)
df = pd.DataFrame(dframe.set_index('tf_idf').stack())