Python:如何将Pandas Dataframe行值转换为单独的列？
Python:如何将Pandas Dataframe行值转换为单独的列？
提问于 2021-02-24 17:16:46
我有以下数据帧，其中包含不同时间间隔的不同作业开始和结束时间的数据。数据帧的一小部分如下所示。
数据帧(Df)：
result | job | time
START | JOB0 | 1357
START | JOB2 | 2405
END | JOB2 | 2379
START | JOB3 | 4010
END | JOB0 | 5209
END | JOB3 | 6578
START | JOB0 | 6000
END | JOB0 | 6100(注意-原始数据帧有5个作业(从JOB0到JOB4)我要将这些值(START和END)列result作为数据帧中的单个列。
所需数据帧(Df2)
job | START | END
JOB0 | 1357 | 5209
JOB2 | 2405 | 2379
JOB3 | 4010 | 6578
JOB0 | 6000 | 6100代码
我尝试使用pivot_table
但它给出了不需要的聚合值。df2 = df.pivot_table('time', 'job','result')
代码输出
result | END | START
job
JOB0 | 5.000589e+08 5.000636e+08
JOB1 | 4.999141e+08 4.999188e+08
JOB2 | 5.001668e+08 5.001715e+08
JOB3 | 4.995190e+08 4.995187e+08
JOB4 | 5.003238e+08 5.003236e+08如何获取所需的数据帧？
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-02-24 17:29:19
你有重复的job(JOB0有2个不同的开始和结束时间)，因此您还需要通过累积计数(groupby.cumcount)，因此索引是唯一的。您可以在之后通过删除累积计数级别来清理轴心。
df['idx'] = df.groupby(['job', 'result']).cumcount()
(df.pivot(index=['job', 'idx'], columns='result', values='time')
.sort_index(level=1)
.droplevel(1)
.reset_index()
.rename_axis(None, axis=1)[['job', 'START', 'END']])输出
job START END
0 JOB0 1357 5209
1 JOB2 2405 2379
2 JOB3 4010 6578
3 JOB0 6000 6100Stack Overflow用户
发布于 2021-02-24 17:41:54
如果作业是唯一的，即每个作业只有1个start条目和1个end条目，那么您可以使用这个。否则，请使用Chris A的答案
df.pivot_table(index=['job'], columns=['result'], values=['time'], aggfunc=np.max)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/66347877
复制相关文章
相似问题
腾讯云开发者
