如何对具有非数值的数据框进行分组和透视

Question

我正在使用 Python，我有一个包含 6 列的数据集，R、Rc、J、T、Ca 和 Cb。我需要在 "R" 列上 "aggregate"，然后 "J"，这样对于每个 R，每一行都是唯一的 "J"。 Rc 是 R 的特征。Ca 和 Cb 是 T 的特征。查看下面的 table 会更有意义。

我需要从：

#______________________            ________________________________________________________________
#| R  Rc  J  T  Ca  Cb|           |# R  Rc  J  Ca(T=1)  Ca(T=2)  Ca(T=3)  Cb(T=1)  Cb(T=2)  Cb(T=3)|
#| a   p  1  1  x    d|           |# a  p   1    x         y        z        d        e        f   |
#| a   p  1  2  y    e|           |# b  o   1    w                           g                     |  
#| a   p  1  3  z    f|  ----->   |# b  o   2    v                           h                     | 
#| b   o  1  1  w    g|           |# b  o   3    s                           i                     |
#| b   o  2  1  v    h|           |# c  n   1    t         r                 j        k            |
#| b   o  3  1  s    i|           |# c  n   2    u                           l                     |
#| c   n  1  1  t    j|           |________________________________________________________________|
#| c   n  1  2  r    k|           
#| c   n  2  1  u    l|
#|____________________|

data = {'R' : ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'], 
        'Rc': ['p', 'p', 'p', 'o', 'o', 'o', 'n', 'n', 'n'],
        'J' : [1, 1, 1, 1, 2, 3, 1, 1, 2], 
        'T' : [1, 2, 3, 1, 1, 1, 1, 2, 1], 
        'Ca': ['x', 'y', 'z', 'w', 'v', 's', 't', 'r', 'u'],
        'Cb': ['d', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']}

df = pd.DataFrame(data=data)

我不想丢失 Rc、Ca 或 Cb 中的数据。

Rc（或以 'c' 结尾的每一列）对于每个 R 都是相同的，因此可以仅与 R 分组。

但是 Ca 和 Cb（或以 'C' 开头的每一列）对于每个 T 都是唯一的，它们将被聚合，否则会丢失。这些需要保存在新列中，当 T=1 时命名为 Ca(T=1)，当 T=2 时命名为 Ca(T=2)，当 T=3 时命名为 Ca(T=3)。 Cb也是如此。

所以使用 T，我需要为给定 T 的每个 Ca 和 Cb 创建 T 个列，这会将 Ca 和 Cb 中的数据写入新列。

PS。如果有帮助，J 列和 T 列都有一个带有唯一 ID 的额外列。

J_ID = [1,1,1,2,3,4,5,5,6]
T_ID = [1,2,3,4,5,6,7,8,9]

到目前为止我尝试了什么：

(
    df.groupby(['R','J'])
    .apply(lambda x: x.Ca.tolist()).apply(pd.Series)
    .rename(columns=lambda x: f'Ca{x+1}')
    .reset_index()
)

问题：只能使用其中一个 C，而我丢失了 Rc。

如有任何帮助，我们将不胜感激！

Answer 1

如果我了解您的需要，您可以像这样简单地找到所需的行：

df['Ca(T=1)']=df['Ca'].loc[df['T']==1]

你必须为不同的 T 重复它

Answer 2

您可以将 pivot_table (here the docs) 与 lambda 函数一起用作 aggfunc 参数：

table = pd.pivot_table(df, index = ['R','Rc','J'],values = ['Ca','Cb'],
                    columns = ['T'], fill_value = '', aggfunc = lambda x: ''.join(str(v) for v in x)).reset_index()


   R Rc  J Ca       Cb      
T           1  2  3  1  2  3
0  a  p  1  x  y  z  d  e  f
1  b  o  1  w        g      
2  b  o  2  v        h      
3  b  o  3  s        i      
4  c  n  1  t  r     j  k   
5  c  n  2  u        l

然后您可以删除多索引列并重命名如下（取自this great answer）：

table.columns = ['%s%s' % (a, ' (T = %s)' % b if b else '') for a, b in table.columns]

   R Rc  J Ca (T = 1) Ca (T = 2) Ca (T = 3) Cb (T = 1) Cb (T = 2) Cb (T = 3)
0  a  p  1          x          y          z          d          e          f
1  b  o  1          w                                g                      
2  b  o  2          v                                h                      
3  b  o  3          s                                i                      
4  c  n  1          t          r                     j          k           
5  c  n  2          u                                l

如何对具有非数值的数据框进行分组和透视

How to groupby and pivot a dataframe with non-numeric values

python

pandas

dataframe

group-by

data-handling