Python 通过删除某些标题和重命名某些索引进行数据透视

我有以下数据帧：

    count  event      date
0    1544  'strike'   2016-11-01
1     226  'defense'  2016-11-01
2    1524  'strike'   2016-12-01
3     246  'defense'  2016-12-01
4    1592  'strike'   2017-01-01
5     245  'defense'  2017-01-01

我希望以这样的方式对其进行透视/变换最终输出如下所示：

event     2016-11-01 2016-12-01 2017-01-01 2017-02-01 2017-03-01                                                                     
'strike'        1544       1524       1592       1608       1654   
'defense'        226        246        245        210        254

但我现在通过旋转得到的是：

                        count          count            count           count             count\
date          2016-11-01 2016-12-01 2017-01-01 2017-02-01 2017-03-01   
event                                                                  
'strike'            1544       1524       1592       1608       1654   
'defense'            226        246        245        210        254   

是否有任何方法可以删除

事件

索引名称前面的整个空行，并使用

事件

作为索引名称重命名

日期

索引名称，还可以删除数据框第一行中出现的不需要的

计数

？数据似乎正在正确地转换，我只是想去掉这些头和索引，并正确地重命名和删除这些头和索引。我也不希望行标签出现在所需的输出中

这就是我一直在尝试的：

output = df.pivot(index='event', columns='date')
print(output)

---

解决方案是将参数

值添加到，然后从
索引中为列添加，然后从中删除列名：

output=df.pivot(index='event',columns='date',values='count').reset_index().rename_axis(None,1)
print(output)
       event  2016-11-01  2016-12-01  2017-01-01
0  'defense'         226         246         245
1   'strike'        1544        1524        1592

如果忽略它会发生什么

print (df)
   count      event        date  count1
0   1544   'strike'  2016-11-01       1
1    226  'defense'  2016-11-01       7
2   1524   'strike'  2016-12-01       8
3    246  'defense'  2016-12-01       3
4   1592   'strike'  2017-01-01       0
5    245  'defense'  2017-01-01       1

pivot
使用每个未使用的列并为区分原始列创建
多索引
：

output = df.pivot(index='event', columns='date')
print(output)
               count                           count1                      
date      2016-11-01 2016-12-01 2017-01-01 2016-11-01 2016-12-01 2017-01-01
event                                                                      
'defense'        226        246        245          7          3          1
'strike'        1544       1524       1592          1          8          0

我建议使用更通用的
pd.pivot（）
，即
pd.pivot\u table（）
，如下所示：

x = pd.pivot_table(df, index = 'event', columns = 'date', values = 'count')

您将获得：

date    01/01/2017  01/11/2016  01/12/2016
event           
'defense'   245         226        246
'strike'    1592        1544       1524

接下来，您可以通过设置以下内容来删除“日期”字符串：

x.columns.name = ' ' 

此外，如果要更改事件顺序，可能需要在执行数据透视之前将变量设置为分类变量：

df.event = df.event.astype('category') # cast to categorical
df.event.cat.set_categories(your_list, inplace = True) # force order

其中，
your_list
是您的类别列表，按顺序排列

希望这有帮助。
你的pivot的代码是什么？@jezrael my bad，忘记添加代码了。现在编辑我非常不喜欢这个解决方案，因为如果使用
pivot
并得到重复的，它知道，因为错误。但是如果使用
pivot\u表
，它总是聚合。所以不知道什么是骗局。因此，只有当需要聚合时才更好，否则就不行。另外，它在
pivot
@AmanSingh时速度较慢-是的，你是对的，
pivot\u table
aggregate。但如果需要，请删除
0,1
，并使用
output=df.pivot（index='event'，columns='date'，values='count'）。重置索引（）。使用
output重命名轴（None，1）
。到\u csv（file，index=False）
所有操作都很好。今天使用了这种方法，2年后它工作得很好：）