将具有分类数据的列转换为每个类别的单独列，并将相应列的变量数据转置为行

Question

我有一个包含 60,000 行的 pandas 数据框，格式如下：

日期	类型	1	2	3
2021-01-01	一个	6	7	8
2021-01-01	B	0.1	0.2	0.3
2021-01-01	C	1	2	3
2021-02-02	一个	6	7	8
2021-02-02	B	0.1	0.2	0.3
2021-02-02	C	1	2	3

我正在尝试将小时列 (1-24) 中的可变数字数据转置为行，并将“类型”列拆分为每种类型 (A、B、C) 的单独列：

日期	小时	一个	B	C
2021-01-01	1	6	0.1	1
2021-01-01	2	7	0.2	2
2021-01-01	3	8	0.3	3
2021-02-02	1	6	0.1	1
2021-02-02	2	7	0.2	2
2021-02-02	3	8	0.3	3

我查看了旋转、转置和融合，但没有得到我想要的结果。你能帮我解决这个问题吗？谢谢。

Answer 1

试试 set_index + unstack 和 stack

out = df.set_index(['date','type']).rename_axis('hour',axis=1).stack().unstack(level=1).reset_index()
Out[140]: 
type        date hour    A    B    C
0     2021-01-01    1  6.0  0.1  1.0
1     2021-01-01    2  7.0  0.2  2.0
2     2021-01-01    3  8.0  0.3  3.0
3     2021-02-02    1  6.0  0.1  1.0
4     2021-02-02    2  7.0  0.2  2.0
5     2021-02-02    3  8.0  0.3  3.0

Answer 2

使用df.pivot() + stack()，如下：

(df.pivot('date', 'type')
   .stack(level=0)
   .rename_axis(index=['date', 'hour'], columns=None)
).reset_index()

结果：

         date hour    A    B    C
0  2021-01-01    1  6.0  0.1  1.0
1  2021-01-01    2  7.0  0.2  2.0
2  2021-01-01    3  8.0  0.3  3.0
3  2021-02-02    1  6.0  0.1  1.0
4  2021-02-02    2  7.0  0.2  2.0
5  2021-02-02    3  8.0  0.3  3.0

将具有分类数据的列转换为每个类别的单独列，并将相应列的变量数据转置为行

Convert a column with categorical data to separate column for each category and transpose variable data of corresponding columns to rows

python

transpose

pivot

pandas