蟒熊的融化相反

我不知道如何做“反向融化”使用大熊猫在巨蟒。 这是我的起始数据

import pandas as pd


from StringIO import StringIO


origin = pd.read_table(StringIO('''label    type    value
x   a   1
x   b   2
x   c   3
y   a   4
y   b   5
y   c   6
z   a   7
z   b   8
z   c   9'''))


origin
Out[5]:
label type  value
0     x    a      1
1     x    b      2
2     x    c      3
3     y    a      4
4     y    b      5
5     y    c      6
6     z    a      7
7     z    b      8
8     z    c      9

这是我想要的输出:

    label   a   b   c
x   1   2   3
y   4   5   6
z   7   8   9

我相信有一个简单的方法可以做到这一点，但我不知道该怎么做。

57464 次浏览
小开
最佳答案

there are a few ways;
using .pivot:

>>> origin.pivot(index='label', columns='type')['value']
type   a  b  c
label
x      1  2  3
y      4  5  6
z      7  8  9


[3 rows x 3 columns]

using pivot_table:

>>> origin.pivot_table(values='value', index='label', columns='type')
value
type       a  b  c
label
x          1  2  3
y          4  5  6
z          7  8  9


[3 rows x 3 columns]

or .groupby followed by .unstack:

>>> origin.groupby(['label', 'type'])['value'].aggregate('mean').unstack()
type   a  b  c
label
x      1  2  3
y      4  5  6
z      7  8  9


[3 rows x 3 columns]
小开

DataFrame.set_index + DataFrame.unstack

df.set_index(['label','type'])['value'].unstack()


type   a  b  c
label
x      1  2  3
y      4  5  6
z      7  8  9

simplifying the passing of pivot arguments

df.pivot(*df)


type   a  b  c
label
x      1  2  3
y      4  5  6
z      7  8  9

[*df]
#['label', 'type', 'value']

For expected output we need DataFrame.reset_index and DataFrame.rename_axis

df.pivot(*df).rename_axis(columns = None).reset_index()


label  a  b  c
0     x  1  2  3
1     y  4  5  6
2     z  7  8  9

if there are duplicates in a,b columns we could lose information so we need GroupBy.cumcount

print(df)


label type  value
0     x    a      1
1     x    b      2
2     x    c      3
3     y    a      4
4     y    b      5
5     y    c      6
6     z    a      7
7     z    b      8
8     z    c      9
0     x    a      1
1     x    b      2
2     x    c      3
3     y    a      4
4     y    b      5
5     y    c      6
6     z    a      7
7     z    b      8
8     z    c      9

df.pivot_table(index = ['label',
df.groupby(['label','type']).cumcount()],
columns = 'type',
values = 'value')




type     a  b  c
label
x     0  1  2  3
1  1  2  3
y     0  4  5  6
1  4  5  6
z     0  7  8  9
1  7  8  9

Or:

(df.assign(type_2 = df.groupby(['label','type']).cumcount())
.set_index(['label','type','type_2'])['value']
.unstack('type'))

提交答案