Pandas，堆叠一些列，取消堆叠其他列
Pandas，堆叠一些列，取消堆叠其他列
提问于 2019-03-25 08:04:30
Pandas整理数据，从一列分散变量，从另一列收集变量
我的问题
我需要将下面的数据帧转换为tidy格式，其中每一行都是一个惟一的['GEOG_CODE','COUNTRY'] - 'YEAR'对，并且有两个变量，由Group1定义。
使用Hadley Wickham的符号表示tidy data
- observations由位置-时间对定义。
- variables由
Group1 - The列定义。当前在列
['2016' '2017' '2018'].
中存储不同年份的值<>E217
在R中，我想：
gather['2016' '2017' '2018'].spreadGroup1.- see Garrett Grolemund's explanation here
中的值来自列的值
对于我的问题：
['GEOG_CODE','COUNTRY'].
- Values在不同时间定义
['2016' '2017' '2018'].
- Variables are defined by
Group1 == A或Group1 == B.
are defined列中的
- 位置
我想让每一行作为一个位置-时间对，有两个变量。一个用于Group1 = A，一个用于Group1 = B
我有这个
toy_data = {
'GEOG_CODE':['123','234','567','901'],
'COUNTRY':['England' for _ in range(4)],
'Group1':['A','A','B','B'],
'2016':np.arange(0,4),
'2017':np.arange(0,4),
'2018':np.arange(0,4),
}
in_df = pd.DataFrame(toy_data)
in_df
Out[]:
GEOG_CODE COUNTRY Group1 2016 2017 2018
0 123 England A 0 0 0
1 234 England A 1 1 1
2 567 England B 2 2 2
3 901 England B 3 3 3我想要这个
因此，我希望输出看起来像下面的数据框，其中包含'Group1'中每个值的列
outcome_data = {
'GEOG_CODE': np.tile(['123','234','567','901'],3),
'COUNTRY':['England' for _ in range(4*3)],
'year':np.tile([2016,2017,2018],4),
'low_A':np.tile(np.arange(0,4),3),
'low_B':np.tile(np.arange(0,4),3),
}
out = pd.DataFrame(outcome_data)
out
Out[]:
GEOG_CODE COUNTRY year low_A low_B
0 123 England 2016 0 0
1 234 England 2017 1 1
2 567 England 2018 2 2
3 901 England 2016 3 3
4 123 England 2017 0 0
5 234 England 2018 1 1
6 567 England 2016 2 2
7 901 England 2017 3 3
8 123 England 2018 0 0
9 234 England 2016 1 1
10 567 England 2017 2 2
11 901 England 2018 3 3我尝试过df.melt()
通过使用melt功能，我设法获得了一半的数据，但是我不知道如何将组转换为行。
id_vars = ['GEOG_CODE', 'COUNTRY', 'Group1']
value_vars = ['2016', '2017', '2018']
var_name = 'Year'
value_name = 'low_Value'
melt = in_df.melt(id_vars=id_vars,value_vars=value_vars,var_name=var_name, value_name=value_name)
melt
Out[]:
GEOG_CODE COUNTRY Group1 Year low_Value
0 123 England A 2016 0
1 234 England A 2016 1
2 567 England B 2016 2
3 901 England B 2016 3
4 123 England A 2017 0
5 234 England A 2017 1
6 567 England B 2017 2
7 901 England B 2017 3
8 123 England A 2018 0
9 234 England A 2018 1
10 567 England B 2018 2
11 901 England B 2018 3回答 1
Stack Overflow用户
回答已采纳
发布于 2019-03-25 08:31:35
也许您正在寻找stack而不是melt
(df.set_index(['GEOG_CODE', 'COUNTRY', 'Group1'])
.stack()
.unstack(-2)
.ffill(axis=1)
.bfill(axis=1, downcast='infer')
.add_prefix('low_')
.reset_index()
.rename({'level_2': 'year'}, axis=1))
Group1 GEOG_CODE COUNTRY year low_A low_B
0 123 England 2016 0 0
1 123 England 2017 0 0
2 123 England 2018 0 0
3 234 England 2016 1 1
4 234 England 2017 1 1
5 234 England 2018 1 1
6 567 England 2016 2 2
7 567 England 2017 2 2
8 567 England 2018 2 2
9 901 England 2016 3 3
10 901 England 2017 3 3
11 901 England 2018 3 3页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55329764
复制相关文章
相似问题