我正在尝试将具有两列(重复的日期时间序列和单列数值)的长文本文件 reshape 为具有单个日期时间索引和多列数据的 Pandas 数据框。实际文件是 100 组 82 年的每日降雨数据(来自随机生成器),大约 300 万行。我想要针对 82 x 365(366 闰年)日期时间索引获取 100 列降雨数据。为了简化练习,我在下面提供了一个示例(代表闰年的四行序列):
2014/01/01 1
2014/01/02 2
2014/01/03 3
2014/01/01 4
2014/01/02 5
2014/01/03 6
2014/01/04 7
2014/01/01 8
2014/01/02 9
2014/01/03 10
所需的输出类似于:
0 1 2
2014/01/01 1 4 8
2014/01/02 2 5 9
2014/01/03 3 6 10
2014/01/04 nan 7 nan
这看起来极其简单,但却让我感到困惑。我尝试将原始系列转换为数据框,然后使用以下内容,但 Pandas 似乎不喜欢单个列:
df.pivot()
最佳答案
您应该首先创建一个新列来指示值必须出现在哪一列中。
假设您知道每个序列的开始日期(并且每次都相同),您可以例如这样做:
In [7]: df['set'] = (df['date'] == '2014/01/01').cumsum()
In [8]: df
Out[8]:
date value set
0 2014/01/01 1 1
1 2014/01/02 2 1
2 2014/01/03 3 1
3 2014/01/01 4 2
4 2014/01/02 5 2
5 2014/01/03 6 2
6 2014/01/04 7 2
7 2014/01/01 8 3
8 2014/01/02 9 3
9 2014/01/03 10 3
当您拥有此列时,您可以使用pivot
:
In [9]: df.pivot(index='date', columns='set', values='value')
Out[9]:
set 1 2 3
date
2014/01/01 1 4 8
2014/01/02 2 5 9
2014/01/03 3 6 10
2014/01/04 NaN 7 NaN
编辑:感谢 DSM,这是查找组的另一种方法(并且您不必知道每个组的第一项):
In [10]: df['date'] = pd.to_datetime(df['date'])
In [11]: df['set'] = (df['date'].diff().fillna(0) <= 0).cumsum()
这是基于这样的事实:当新的一组开始时,与前一行的时间差将为负(如果数据按时间排序)。
关于python - 使用 pandas 数据透视 reshape 两列数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23889048/