在python中修改/转换数据帧

我有一个数据框，其中包含日期值、从一个字母到3个字符字符串随机分配的类别，以及频率['a'、'B'、'C']

我想修改初始数据框，以便将日期和每个类别作为一列，为类别列分配与类别相关的freqA，并将空值保留为无

我怎样才能做到这一点

This is my df (i forgot to include the index):
+--------+----------+-------+-------+-------+
| Date   | Category | freqA | freqB | freqC |
+--------+----------+-------+-------+-------+
| 2/1/19 | A        | 2     | 89    | 7     |
+--------+----------+-------+-------+-------+
| 2/2/19 | B        | 5     | 98    | 8     |
+--------+----------+-------+-------+-------+
| 2/3/19 | A        | 10    | 100   | 12    |
+--------+----------+-------+-------+-------+
| 2/4/19 | A        | 17    | 121   | 15    |
+--------+----------+-------+-------+-------+
| 2/5/29 | C        | 21    | 133   | 25    |
+--------+----------+-------+-------+-------+
| 2/6/19 | C        | 25    | 134   | 31    |
+--------+----------+-------+-------+-------+

This is my target df:
+------+-----------+-----------+-----------+-------------+
| Date | CategoryA | CategoryB | CategoryC | Category[a] |
+------+-----------+-----------+-----------+-------------+
| Date | freqA     | freqA     | freqA     | freqA       |
+------+-----------+-----------+-----------+-------------+

我对蟒蛇和熊猫很陌生

---

因此，我非常感谢我所能得到的所有帮助

这对您有用吗：

#working with subset of your data
>>> df = pd.DataFrame({'date':['2/1/19','3/1/19','4/1/19', '5/1/19','6/1/19'], 'Category':['A','B','A','A','C'],'freqA':[2,5,10
,17,21],'freqB':[89,98,100,121,133]})

#input data
>>> df
     date Category  freqA  freqB
0  2/1/19        A      2     89
1  3/1/19        B      5     98
2  4/1/19        A     10    100
3  5/1/19        A     17    121
4  6/1/19        C     21    133

#using pivot to reshape the dataframe and renaming the columns
>>> df1 = df.pivot(index ='date', columns='Category',values='freqA')
>>> df1.columns = [f'Category{x}' for x in  df1.columns.tolist()]
>>> print(df1)

输出：

        CategoryA  CategoryB  CategoryC
date                                   
2/1/19        2.0        NaN        NaN
3/1/19        NaN        5.0        NaN
4/1/19       10.0        NaN        NaN
5/1/19       17.0        NaN        NaN
6/1/19        NaN        NaN       21.0

您还可以使用

fillna

处理

NaN

值。以下是一个例子：

>>> df1.fillna(method='ffill', inplace=True)
>>> df1.fillna(method='bfill', inplace=True)

        CategoryA  CategoryB  CategoryC
date                                   
2/1/19        2.0        5.0       21.0
3/1/19        2.0        5.0       21.0
4/1/19       10.0        5.0       21.0
5/1/19       17.0        5.0       21.0
6/1/19       17.0        5.0       21.0

---

请给我们看看你试过的东西？而且，目标df看起来很奇怪，您只需要在列中输入

freqA

，或者输入

freqA

@Grayrigel的值我需要freqA的值我尝试过类似的方法，使用了一个新的covid-19时间序列数据集，但它的构建方式与此数据集不同。到目前为止，我还没有为此数据框编写任何代码。我已经添加了一个答案，请告诉我它是否适用于您。谢谢非常地成功了！很高兴我能帮忙。祝你好运。快乐编码！！：）