Python

Question

我想我需要一些有关 "melt" 功能的帮助。

我有一个如下所示的数据框：

如您所见，当前索引是时间。

但是，如果想实现如下：

背后的道理是想比较同一季度不同天的RZS值

我知道我可以使用 melt 函数，但我不知道这个函数是如何工作的...

from pandas import melt

df = pd.DataFrame(index=['00:00:00', '00:15:00'], columns=["2014-12-01","2014-12-02"])

它创建了数据框，但我不知道如何填充它。我的问题：

创建包含一天中所有 96 个季度的索引的最简单方法是什么？
如何使用 melt 函数填充新的 df？

非常感谢您。

Answer 1

您可能正在寻找 pivot_table，它类似于 melt 的倒数。为简单起见，以下代码使用包含 96 个整数值的 "Uhrzeit" 列重新创建输入 DataFrame，代表时间季度：

import pandas as pd
import numpy as np

data = {
    'Datum': ['2014-12-01'] * 96 + ['2014-12-02'] * 96,
    'Uhrzeit': range(96) + range(96),
    'RZS': np.random.rand(96*2),
}

df = pd.DataFrame(data).set_index('Datum')[['Uhrzeit', 'RZS']]
df.reset_index(inplace=True) # Now this df looks like the input you described
df = pd.pivot_table(df, values='RZS', rows='Uhrzeit', cols='Datum')
print df[:10]

输出：

Datum    2014-12-01  2014-12-02
Uhrzeit                        
0          0.864674    0.363400
1          0.736678    0.925202
2          0.807088    0.076891
3          0.007031    0.528020
4          0.047997    0.216422
5          0.625339    0.636028
6          0.115018    0.141142
7          0.424289    0.101075
8          0.544412    0.147669
9          0.151214    0.274959

然后您可以切出包含所需 "Uhrzeit"s 的 DataFrame。

编辑：似乎列 RZS 表示为字符串，这给 pivot_table 带来了一些问题，因为它希望值列是数字。这是将该列转换为数字的快速修复，假设 str '1.087,29' 应被视为 float 1087.29:

df = pd.DataFrame({'RZS': ['1.087,29', '1.087.087,28', '1.087.087.087,28']})

def fix(x):
    return x.replace('.', '').replace(',', '.')

df['RZS'] = df['RZS'].apply(fix).astype(float)

# The column RZS now should be of dtype float, and pivot_table should work.

Python - 获取一个以时间为索引，以多个日期为列的数据框

Python - get a dataframe with time as index and several dates as columns

melt

pandas