pandas、熔化、未熔化保存指数
pandas, melt, unmelt preserve index
我有 table 个客户 (coper) 和资产配置 (asset)
A = [[1,2],[3,4],[5,6]]
idx = ['coper1','coper2','coper3']
cols = ['asset1','asset2']
df = pd.DataFrame(A,index = idx, columns = cols)
所以我的数据看起来像
asset1 asset2
coper1 1 2
coper2 3 4
coper3 5 6
我想通过线性优化运行它们(我有约束-像sum of all of asset_i <= amount_on_hand_i
和sum of coper_j = price_j
)
所以我必须把这个二维矩阵变成一维向量。使用 melt
很容易
df2 = pd.melt(df,value_vars=['asset1','asset2'])
但是现在,当我尝试解开它时,我得到一个包含很多空白的 6 行数组!
df2.pivot(columns = 'variable', values = 'value')
variable asset1 asset2
0 1.0 NaN
1 3.0 NaN
2 5.0 NaN
3 NaN 2.0
4 NaN 4.0
5 NaN 6.0
有什么方法可以在使用 melt 时保留索引的 'coper' 部分?
您需要通过 reset_index
和参数 id_vars
:
保留索引值
df2 = pd.melt(df.reset_index(), id_vars='index',value_vars=['asset1','asset2'])
print (df2)
index variable value
0 coper1 asset1 1
1 coper2 asset1 3
2 coper3 asset1 5
3 coper1 asset2 2
4 coper2 asset2 4
5 coper3 asset2 6
然后枢轴工作得很好:
print(df2.pivot(index='index',columns = 'variable', values = 'value'))
variable asset1 asset2
index
coper1 1 2
coper2 3 4
coper3 5 6
stack
的另一个可能的解决方案:
df2 = df.stack().reset_index()
df2.columns = list('abc')
print (df2)
a b c
0 coper1 asset1 1
1 coper1 asset2 2
2 coper2 asset1 3
3 coper2 asset2 4
4 coper3 asset1 5
5 coper3 asset2 6
print(df2.pivot(index='a',columns = 'b', values = 'c'))
b asset1 asset2
a
coper1 1 2
coper2 3 4
coper3 5 6
看起来像“数据框熔化方法的可选参数 keep_index”进入了 1.1 版:https://github.com/pandas-dev/pandas/issues/17440
将 ignore_index 设置为 False 以保留索引,例如
df = df.melt(var_name=‘species’, value_name=‘height’, ignore_index = False)
我有 table 个客户 (coper) 和资产配置 (asset)
A = [[1,2],[3,4],[5,6]]
idx = ['coper1','coper2','coper3']
cols = ['asset1','asset2']
df = pd.DataFrame(A,index = idx, columns = cols)
所以我的数据看起来像
asset1 asset2
coper1 1 2
coper2 3 4
coper3 5 6
我想通过线性优化运行它们(我有约束-像sum of all of asset_i <= amount_on_hand_i
和sum of coper_j = price_j
)
所以我必须把这个二维矩阵变成一维向量。使用 melt
很容易df2 = pd.melt(df,value_vars=['asset1','asset2'])
但是现在,当我尝试解开它时,我得到一个包含很多空白的 6 行数组!
df2.pivot(columns = 'variable', values = 'value')
variable asset1 asset2
0 1.0 NaN
1 3.0 NaN
2 5.0 NaN
3 NaN 2.0
4 NaN 4.0
5 NaN 6.0
有什么方法可以在使用 melt 时保留索引的 'coper' 部分?
您需要通过 reset_index
和参数 id_vars
:
df2 = pd.melt(df.reset_index(), id_vars='index',value_vars=['asset1','asset2'])
print (df2)
index variable value
0 coper1 asset1 1
1 coper2 asset1 3
2 coper3 asset1 5
3 coper1 asset2 2
4 coper2 asset2 4
5 coper3 asset2 6
然后枢轴工作得很好:
print(df2.pivot(index='index',columns = 'variable', values = 'value'))
variable asset1 asset2
index
coper1 1 2
coper2 3 4
coper3 5 6
stack
的另一个可能的解决方案:
df2 = df.stack().reset_index()
df2.columns = list('abc')
print (df2)
a b c
0 coper1 asset1 1
1 coper1 asset2 2
2 coper2 asset1 3
3 coper2 asset2 4
4 coper3 asset1 5
5 coper3 asset2 6
print(df2.pivot(index='a',columns = 'b', values = 'c'))
b asset1 asset2
a
coper1 1 2
coper2 3 4
coper3 5 6
看起来像“数据框熔化方法的可选参数 keep_index”进入了 1.1 版:https://github.com/pandas-dev/pandas/issues/17440
将 ignore_index 设置为 False 以保留索引,例如
df = df.melt(var_name=‘species’, value_name=‘height’, ignore_index = False)