首页 文章

Python pandas - DataFrame groupby和重新构建

提问于
浏览 次
1

我在pandas中有一个groupby（）的问题

如果我有一个DataFrame "df" 喜欢

user  day  click
0   U1    Mon  15
1   U2    Mon  7 
2   U1    Wed  15 
3   U3    Tue  21
4   U2    Tue  15
5   U2    Tue  10

当我使用 df.groupby(['user', 'day']).sum() 时
这将是

click  
user  day
U1    Mon   15
      Tue   NaN
      Wed   15
U2    Mon   7
      Tue   25
      Wed   NaN
U3    Mon   NaN
      Tue   21
      Wed   NaN

我怎样才能获得这样的DataFrame

day    Mon   Tue   Wed
user
U1     15    NaN   15
U2     7     25    NaN
U3     NaN   21    NaN

这意味着将一列转换为DataFrame的列名 .
有没有办法做到这一点？

python pandas

2 回答

  • 2

    使用包含日期作为列的数据透视功能并填充点击次数 .

    df.groupby(['user', 'day']).sum().reset_index()\
  .pivot(index='user',columns='day',values='click')
Out[388]: 
day    Mon   Tue   Wed
user                  
U1    15.0   NaN  15.0
U2     7.0  25.0   NaN
U3     NaN  21.0   NaN

    或者您只能重置第二级索引，因此您无需在pivot函数中指定索引列 .

    df.groupby(['user', 'day']).sum().reset_index(level=1)\
.pivot(columns='day',values='click')
    回复于
  • 3

    另一种使用unstack（）的方法：

    df=df.groupby(['user', 'day']).sum().unstack('day') #unstack
df.columns = df.columns.droplevel() # drop first level column name
df

    输出：

    day  Mon  Tue  Wed
user            
U1   15.0 NaN  15.0
U2   7.0  25.0 NaN
U3   NaN  21.0 NaN
    回复于

相关问题