主页 / coding / 问题 / 79260787
Accepted
Sun Jar
Asked: 2024-12-07 22:36:34 +0800 CST

Pandas 数据框使用列名重塑

  • 772

我有一个像这样的数据框：

>>> df
  TYPE    A    B    C    D
0   IN  550  350  600  360
1  OUT  340  270  420  190

我想将其重塑为这种形状：

       AIN AOUT  BIN BOUT  CIN COUT  DIN DOUT
       550  340  350  270  600  420  360  190

所以我使用这些代码来实现它：

ds = df.melt().T.iloc[1:,2:]
ds.columns = ['AIN','AOUT','BIN','BOUT','CIN','COUT','DIN','DOUT']
>>> ds
       AIN AOUT  BIN BOUT  CIN COUT  DIN DOUT
value  550  340  350  270  600  420  360  190

它确实有效，但看起来很愚蠢，列名是手动输入的，我想知道是否有更好的、更符合 Python 风格的方法来做到这一点。有什么想法吗？

PS 输出数据框中的“值”并不重要。

pandas

3 个回答

  1. 一种可能的解决方案，其步骤如下：

    • 该方法从数据框中drop删除该列，从而产生一个新的数据框。TYPEdf

    • 该方法从修改后的数据框中values提取底层数组。numpy

    • 该reshape方法将数组重塑为具有一行且列数与原始数据框相同的二维数组。

    • 该columns参数设置为列表推导生成的字符串列表。每个字符串都是列名df和列值的串联TYPE。

    • 最后，使用重塑后的数组和新的列名创建一个新的数据框。

    pd.DataFrame(
    df.drop('TYPE', axis=1).values.reshape(1,-1, order='A'),
    columns=[f'{x}{y}' for x in df.columns[1:] for y in df['TYPE']],
    index=['value'])

    输出：

           AIN  AOUT  BIN  BOUT  CIN  COUT  DIN  DOUT
value  550   340  350   270  600   420  360   190
    • 2
  2. Best Answer

    代码

    将join函数（python）与map函数（pandas）应用于多索引。

    out = df.assign(index=0).pivot(index='index', columns='TYPE')
out.columns = out.columns.map(''.join)

    出去：

           AIN  AOUT  BIN  BOUT  CIN  COUT  DIN  DOUT
index                                            
0      550   340  350   270  600   420  360   190

    我选择pivot函数是因为创建 1 行数据框时不方便，因为melt和都stack需要T。（如果我要创建系列或 1 列数据框，我会选择melt或stack。）

    示例代码

    import pandas as pd
data = {'TYPE': ['IN', 'OUT'], 
        'A': [550, 340],
        'B': [350, 270],
        'C': [600, 420],
        'D': [360, 190]}
df = pd.DataFrame(data)
    • 2

    • df.columns[1:]循环遍历 A,B,C,D 列，排除该TYPE列。

    • 该循环loc用于过滤行TYPE，然后提取每列的相应值。

    • 然后通过将变量名（例如 A、B 等）与 IN 和 OUT 后缀组合来构造新列。

      for col in df.columns[1:]:
     reshaped_df[f'{col}IN'] = df.loc[df['TYPE'] == 'IN', col].values
     reshaped_df[f'{col}OUT'] = df.loc[df['TYPE'] == 'OUT', col].values

    输出

       AIN  AOUT  BIN  BOUT  CIN  COUT  DIN  DOUT
0  550   340  350   270  600   420  360   190
    • 0

相关问题