Python 数据帧中的聚合、转置和拉入值
目标:我目前有一些类似于输入DF的东西,并希望将其转换为输出DFPython 数据帧中的聚合、转置和拉入值,python,pandas,Python,Pandas,目标:我目前有一些类似于输入DF的东西,并希望将其转换为输出DF 输出DF的第1行等于唯一时间数据点 输出DF的第1列等于唯一ID。剩下的 中心点等于给定id/时间的值元素 我得到的最接近的结果是通过这样做: Input DF: ID Time Value 0 1 5 0 2 7 0 3 8 1 1 1 1 2 4 1 3 6 Output DF: 1 2 3 0 5 7 8 1 1 4 6 或: 这
- 输出DF的第1行等于唯一时间数据点
- 输出DF的第1列等于唯一ID。剩下的
- 中心点等于给定id/时间的值元素
Input DF:
ID Time Value
0 1 5
0 2 7
0 3 8
1 1 1
1 2 4
1 3 6
Output DF:
1 2 3
0 5 7 8
1 1 4 6
或:
这将使我得到按ID或时间汇总的聚合平均值,但我不知道如何同时执行这两个操作,而只是提取值 您可以使用pivot:
group_by = input_df.groupby('time').agg({'Value':np.mean})
这假设时间/ID对是唯一的。如果没有,您可以将其替换为pivot_表,并添加合适的聚合函数:
df.pivot(index='ID', columns='Time', values='Value')
Out:
Time 1 2 3
ID
0 5 7 8
1 1 4 6
您的方法也适用于unstack:
df.pivot_table(index='ID', columns='Time', values='Value', aggfunc='first')
Out:
Time 1 2 3
ID
0 5 7 8
1 1 4 6
df.pivot_table(index='ID', columns='Time', values='Value', aggfunc='first')
Out:
Time 1 2 3
ID
0 5 7 8
1 1 4 6
df.groupby(['ID', 'Time'])['Value'].agg('mean').unstack()
Out:
Time 1 2 3
ID
0 5 7 8
1 1 4 6
import pandas as pd
df = pd.DataFrame([(0, 1, 5), (0, 2, 7), (0, 3, 8), (1, 1, 1), (1, 2, 4), (1, 3, 6)], columns=['ID', 'Time', 'Value'])
df
Out[5]:
ID Time Value
0 0 1 5
1 0 2 7
2 0 3 8
3 1 1 1
4 1 2 4
5 1 3 6
df.pivot(index='ID', columns='Time', values='Value')
Out[7]:
Time 1 2 3
ID
0 5 7 8
1 1 4 6