Python Pandas中的高级透视表
我正在尝试优化Python Pandas中的一些表转换脚本,我正在尝试使用大量数据集(超过50k行)来提供这些脚本。我编写了一个脚本,它遍历每个索引并将值解析为新的数据帧(请参见下面的示例),但我遇到了性能问题。是否有任何函数可以在不迭代的情况下获得相同的结果 示例代码:Python Pandas中的高级透视表,python,pandas,pivot-table,Python,Pandas,Pivot Table,我正在尝试优化Python Pandas中的一些表转换脚本,我正在尝试使用大量数据集(超过50k行)来提供这些脚本。我编写了一个脚本,它遍历每个索引并将值解析为新的数据帧(请参见下面的示例),但我遇到了性能问题。是否有任何函数可以在不迭代的情况下获得相同的结果 示例代码: from datetime import datetime import pandas as pd date1 = datetime(2019,1,1) date2 = datetime(2019,1,2) df = pd
from datetime import datetime
import pandas as pd
date1 = datetime(2019,1,1)
date2 = datetime(2019,1,2)
df = pd.DataFrame({"ID": [1,1,2,2,3,3],
"date": [date1,date2,date1,date2,date1,date2],
"x": [1,2,3,4,5,6],
"y": ["a","a","b","b","c","c"]})
new_df = pd.DataFrame()
for i in df.index:
new_df.at[df.at[i, "ID"], "y"] = df.at[i, "y"]
if df.at[i, "date"] == datetime(2019,1,1):
new_df.at[df.at[i, "ID"], "x1"] = df.at[i, "x"]
elif df.at[i, "date"] == datetime(2019,1,2):
new_df.at[df.at[i, "ID"], "x2"] = df.at[i, "x"]
输出:
ID date x y
0 1 2019-01-01 1 a
1 1 2019-01-02 2 a
2 2 2019-01-01 3 b
3 2 2019-01-02 4 b
4 3 2019-01-01 5 c
5 3 2019-01-02 6 c
y x1 x2
1 a 1.0 2.0
2 b 3.0 4.0
3 c 5.0 6.0
转换基本上按“ID”列对行进行分组,并从日期为2019-01-01的行中获取“x1”值,从日期为2019-01-02的行中获取“x2”值。“y”值在同一“ID”内相同。“ID”列成为新索引
我非常感谢你对这件事的任何建议 使用
pivot\u表
将获得您想要的:
result = df.pivot_table(index=['ID', 'y'], columns='date', values='x')
result.rename(columns={date1: 'x1', date2: 'x2'}).reset_index('y')
使用
pivot\u表
将获得您想要的:
result = df.pivot_table(index=['ID', 'y'], columns='date', values='x')
result.rename(columns={date1: 'x1', date2: 'x2'}).reset_index('y')