pandas 按代码拆分列并连接这些数据
pandas colume split by code and concat these data
我是pandas新手
例如我有如下数据框
code time open high low close
1 2 1 1 1 1
2 1 1 1 1 1
2 2 1 1 1 1
和
- 我想按代码拆分列
- 我想按时间在索引上连接这些拆分数据并填充 NaN
喜欢下面
"1" "2"
time(index) open high low close open high low close
1 NaN NaN NaN NaN 1 1 1 1
2 1 1 1 1 1 1 1 1
有什么方法可以使用pandas吗?
使用:
- 首先由
set_index
+ unstack
or pivot
重塑
- 按
swaplevel
交换列中 MultiIndex
的级别
- 最后按
sort_index
对列进行排序
df = df.set_index(['time', 'code']).unstack().swaplevel(0,1,1).sort_index(1)
选择:
df = df.pivot('time', 'code').swaplevel(0,1,1).sort_index(1)
print (df)
code 1 2
close high low open close high low open
time
1 NaN NaN NaN NaN 1.0 1.0 1.0 1.0
2 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
我是pandas新手
例如我有如下数据框
code time open high low close
1 2 1 1 1 1
2 1 1 1 1 1
2 2 1 1 1 1
和
- 我想按代码拆分列
- 我想按时间在索引上连接这些拆分数据并填充 NaN
喜欢下面
"1" "2"
time(index) open high low close open high low close
1 NaN NaN NaN NaN 1 1 1 1
2 1 1 1 1 1 1 1 1
有什么方法可以使用pandas吗?
使用:
- 首先由
set_index
+unstack
orpivot
重塑
- 按
swaplevel
交换列中 - 最后按
sort_index
对列进行排序
MultiIndex
的级别
df = df.set_index(['time', 'code']).unstack().swaplevel(0,1,1).sort_index(1)
选择:
df = df.pivot('time', 'code').swaplevel(0,1,1).sort_index(1)
print (df)
code 1 2
close high low open close high low open
time
1 NaN NaN NaN NaN 1.0 1.0 1.0 1.0
2 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0