- Co to jest oś obrotu?
- Jak się obracać?
- Czy to jest oś obrotu?
- Długi format do szerokiego formatu?
Widziałem wiele pytań dotyczących tabel przestawnych. Nawet jeśli nie wiedzą, że pytają o tabele przestawne, zwykle tak są. Praktycznie niemożliwe jest napisanie kanonicznego pytania i odpowiedzi, które obejmują wszystkie aspekty obrotu ...
... Ale spróbuję.
Problem z istniejącymi pytaniami i odpowiedziami polega na tym, że często pytanie koncentruje się na niuansie, który PO ma problem z uogólnieniem w celu wykorzystania szeregu istniejących dobrych odpowiedzi. Jednak żadna z odpowiedzi nie zawiera wyczerpującego wyjaśnienia (ponieważ jest to trudne zadanie)
Spójrz na kilka przykładów z mojej wyszukiwarki Google
- Jak przestawić ramkę danych w Pandach?
- Dobre pytanie i odpowiedź. Ale odpowiedź odpowiada tylko na konkretne pytanie z niewielkim wyjaśnieniem.
- tabela przestawna pandy do ramki danych
- W tym pytaniu PO dotyczy wyjścia pivot. Mianowicie, jak wyglądają kolumny. OP chciał, aby wyglądało to jak R. Nie jest to zbyt pomocne dla użytkowników pand.
- pandy obracające ramkę danych, zduplikowane wiersze
- Kolejne przyzwoite pytanie, ale odpowiedź skupia się na jednej metodzie, a mianowicie
pd.DataFrame.pivot
- Kolejne przyzwoite pytanie, ale odpowiedź skupia się na jednej metodzie, a mianowicie
Tak więc, gdy ktoś szuka pivot
, uzyskuje sporadyczne wyniki, które prawdopodobnie nie odpowiedzą na konkretne pytanie.
Ustawiać
Możesz zauważyć, że wyraźnie nazwałem moje kolumny i odpowiednie wartości kolumn, aby odpowiadały temu, w jaki sposób przestawię się w odpowiedziach poniżej.
import numpy as np
import pandas as pd
from numpy.core.defchararray import add
np.random.seed([3,1415])
n = 20
cols = np.array(['key', 'row', 'item', 'col'])
arr1 = (np.random.randint(5, size=(n, 4)) // [2, 1, 2, 1]).astype(str)
df = pd.DataFrame(
add(cols, arr1), columns=cols
).join(
pd.DataFrame(np.random.rand(n, 2).round(2)).add_prefix('val')
)
print(df)
key row item col val0 val1
0 key0 row3 item1 col3 0.81 0.04
1 key1 row2 item1 col2 0.44 0.07
2 key1 row0 item1 col0 0.77 0.01
3 key0 row4 item0 col2 0.15 0.59
4 key1 row0 item2 col1 0.81 0.64
5 key1 row2 item2 col4 0.13 0.88
6 key2 row4 item1 col3 0.88 0.39
7 key1 row4 item1 col1 0.10 0.07
8 key1 row0 item2 col4 0.65 0.02
9 key1 row2 item0 col2 0.35 0.61
10 key2 row0 item2 col1 0.40 0.85
11 key2 row4 item1 col2 0.64 0.25
12 key0 row2 item2 col3 0.50 0.44
13 key0 row4 item1 col4 0.24 0.46
14 key1 row3 item2 col3 0.28 0.11
15 key0 row3 item1 col1 0.31 0.23
16 key0 row0 item2 col3 0.86 0.01
17 key0 row4 item0 col3 0.64 0.21
18 key2 row2 item2 col0 0.13 0.45
19 key0 row2 item0 col4 0.37 0.70
Pytania)
Dlaczego dostaję
ValueError: Index contains duplicate entries, cannot reshape
Jak obrócić
df
, abycol
wartości były kolumnami,row
wartości indeksami, a średniąval0
wartości?col col0 col1 col2 col3 col4 row row0 0.77 0.605 NaN 0.860 0.65 row2 0.13 NaN 0.395 0.500 0.25 row3 NaN 0.310 NaN 0.545 NaN row4 NaN 0.100 0.395 0.760 0.24
Jak obrócić
df
, abycol
wartości były kolumnami,row
wartości były indeksem, średnią zval0
wartości, a brakującymi wartościami0
?col col0 col1 col2 col3 col4 row row0 0.77 0.605 0.000 0.860 0.65 row2 0.13 0.000 0.395 0.500 0.25 row3 0.00 0.310 0.000 0.545 0.00 row4 0.00 0.100 0.395 0.760 0.24
Czy mogę dostać coś innego niż
mean
, na przykładsum
?col col0 col1 col2 col3 col4 row row0 0.77 1.21 0.00 0.86 0.65 row2 0.13 0.00 0.79 0.50 0.50 row3 0.00 0.31 0.00 1.09 0.00 row4 0.00 0.10 0.79 1.52 0.24
Czy mogę zrobić więcej niż jedną agregację na raz?
sum mean col col0 col1 col2 col3 col4 col0 col1 col2 col3 col4 row row0 0.77 1.21 0.00 0.86 0.65 0.77 0.605 0.000 0.860 0.65 row2 0.13 0.00 0.79 0.50 0.50 0.13 0.000 0.395 0.500 0.25 row3 0.00 0.31 0.00 1.09 0.00 0.00 0.310 0.000 0.545 0.00 row4 0.00 0.10 0.79 1.52 0.24 0.00 0.100 0.395 0.760 0.24
Czy mogę agregować w wielu kolumnach wartości?
val0 val1 col col0 col1 col2 col3 col4 col0 col1 col2 col3 col4 row row0 0.77 0.605 0.000 0.860 0.65 0.01 0.745 0.00 0.010 0.02 row2 0.13 0.000 0.395 0.500 0.25 0.45 0.000 0.34 0.440 0.79 row3 0.00 0.310 0.000 0.545 0.00 0.00 0.230 0.00 0.075 0.00 row4 0.00 0.100 0.395 0.760 0.24 0.00 0.070 0.42 0.300 0.46
Czy można podzielić według wielu kolumn?
item item0 item1 item2 col col2 col3 col4 col0 col1 col2 col3 col4 col0 col1 col3 col4 row row0 0.00 0.00 0.00 0.77 0.00 0.00 0.00 0.00 0.00 0.605 0.86 0.65 row2 0.35 0.00 0.37 0.00 0.00 0.44 0.00 0.00 0.13 0.000 0.50 0.13 row3 0.00 0.00 0.00 0.00 0.31 0.00 0.81 0.00 0.00 0.000 0.28 0.00 row4 0.15 0.64 0.00 0.00 0.10 0.64 0.88 0.24 0.00 0.000 0.00 0.00
Lub
item item0 item1 item2 col col2 col3 col4 col0 col1 col2 col3 col4 col0 col1 col3 col4 key row key0 row0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.86 0.00 row2 0.00 0.00 0.37 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.50 0.00 row3 0.00 0.00 0.00 0.00 0.31 0.00 0.81 0.00 0.00 0.00 0.00 0.00 row4 0.15 0.64 0.00 0.00 0.00 0.00 0.00 0.24 0.00 0.00 0.00 0.00 key1 row0 0.00 0.00 0.00 0.77 0.00 0.00 0.00 0.00 0.00 0.81 0.00 0.65 row2 0.35 0.00 0.00 0.00 0.00 0.44 0.00 0.00 0.00 0.00 0.00 0.13 row3 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.28 0.00 row4 0.00 0.00 0.00 0.00 0.10 0.00 0.00 0.00 0.00 0.00 0.00 0.00 key2 row0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.40 0.00 0.00 row2 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.13 0.00 0.00 0.00 row4 0.00 0.00 0.00 0.00 0.00 0.64 0.88 0.00 0.00 0.00 0.00 0.00
Czy mogę agregować częstotliwość, w której kolumna i wiersze występują razem, czyli „tabulacja krzyżowa”?
col col0 col1 col2 col3 col4 row row0 1 2 0 1 1 row2 1 0 2 1 2 row3 0 1 0 2 0 row4 0 1 2 2 1
Jak przekonwertować ramkę danych z długiej na szeroką, obracając TYLKO dwie kolumny? Dany,
np.random.seed([3, 1415]) df2 = pd.DataFrame({'A': list('aaaabbbc'), 'B': np.random.choice(15, 8)}) df2 A B 0 a 0 1 a 11 2 a 2 3 a 11 4 b 10 5 b 10 6 b 14 7 c 7
Oczekiwany powinien wyglądać mniej więcej tak
a b c 0 0.0 10.0 7.0 1 11.0 10.0 NaN 2 2.0 14.0 NaN 3 11.0 NaN NaN
Jak spłaszczyć indeks wielokrotny do pojedynczego indeksu po
pivot
Od
1 2 1 1 2 a 2 1 1 b 2 1 0 c 1 0 0
Do
1|1 2|1 2|2 a 2 1 1 b 2 1 0 c 1 0 0
KeyError: 'A'
. Czy jest więcej odpowiedzi?'A'
że'A'
w ramce danych znajduje się kolumna do grupowania według.Aby przedłużyć odpowiedź @ piRSquared o inną wersję pytania 10
Pytanie 10.1
Ramka danych:
Wynik:
Korzystanie
df.groupby
ipd.Series.tolist
Lub O wiele lepsza alternatywa przy użyciu
pd.pivot_table
zdf.squeeze.
źródło