有效地将 pandas 数据框列名转换为行值

Question

我正在处理站点密钥的日志数据，然后是 key/value 对事件和时间戳。预处理将其作为无法确定列数（可能是 1-N）的 pandas 数据帧提供，其中列是键，值是时间戳。我知道这是一个不太理想的结构，但我无法更改它。什么是对数据框进行操作的有效方法，以便对于每个键，我都能够计算非空列并识别非空值？

这里是假设 raw data:

KeyCol  ValCol1 ValCol2 ValCol3
A   ValCol1 ValCol2 nan
B   nan nan nan
C   ValCol1 nan ValCol3
D   nan ValCol2 nan
C   nan nan ValCol3

这是 desired output:

KeyCol  Len Vals
A   2   [ValCol1, ValCol2]
B   0   []
C   2   [ValCol1, ValCol3]
D   1   [ValCol2]

这是我到目前为止所做的...但它似乎效率低下。我将如何优化它？

import pandas as pd

def iterate_rows_for_nonnulls(df, grouper):
    assert isinstance(df, pd.DataFrame)
    assert isinstance(grouper, (list, tuple))

    aggdic = {}
    for row, data in df.iterrows():
        key = tuple(data[grouper])
        nonnulls = data[~data.index.isin(grouper)]
        nonnulls = nonnulls[nonnulls.notnull()]
        data[data.notnull()]
        if key not in aggdic: 
            aggdic[key] = {}
            aggdic[key]['vals'] = nonnulls
        else:
            aggdic[key]['vals'] = aggdic[key]['vals'].append(nonnulls)

    for key, val in aggdic.iteritems():
        aggdic[key]['vals'] = aggdic[key]['vals'].unique()
        aggdic[key]['len'] = len(aggdic[key]['vals'])
    # Testing using [key for key in aggdic.iteritems() if aggdic[key[0]]['len']>0 ]
    return aggdic

def construct_df_from_nonnulls(aggdic):
    assert isinstance(aggdic, dict)
    return pd.DataFrame(dict(aggdic)).T

sourcedf = pd.read_table('https://gist.githubusercontent.com/roablep/a11da82de18b14bd2c3c/raw/257f2fa7634002db267e2ef599d6e0cd330c1c72/Sourcedata', sep = "\t")
aggdic = iterate_rows_for_nonnulls(sourcedf, ['KeyCol'])
resultsdf = construct_df_from_nonnulls(aggdic)

Answer 1

假设我对你的理解是正确的——列名与这些列中所有元素的值相同是很奇怪的——我认为你可以在 melting:

>>> d2 = pd.melt(df,id_vars="KeyCol")
>>> grouped = d2.groupby("KeyCol", as_index=False)["value"]
>>> dout = grouped.agg({"Len": "nunique", 
                        "Vals": lambda x: x.dropna().unique().tolist()})
>>> dout
  KeyCol                Vals  Len
0      A  [ValCol1, ValCol2]    2
1      B                  []    0
2      C  [ValCol1, ValCol3]    2
3      D           [ValCol2]    1

强烈建议阅读有关 split-apply-combine 模式的文档部分。

也就是说，请注意，将非标量对象（例如序列中的列表或 DataFrames）作为元素放置是令人头疼的问题——它们实际上不受支持。它有时可以用作中间步骤的临时措施，但在完成之后你不能对那个系列做太多事情。

有效地将 pandas 数据框列名转换为行值

Efficiently transforming pandas dataframe column names into row values

python

pandas