我有一些从“长”到“宽”的数据。我使用 unstack
使数据变宽没有问题,但后来我得到了一个看起来像我无法摆脱的索引。这是一个虚拟示例:
## set up some dummy data
import pandas as pd
d = {'state' : ['a','b','a','b','a','b','a','b'],
'year' : [1,1,1,1,2,2,2,2],
'description' : ['thing1','thing1','thing1','thing2','thing2','thing2','thing1','thing2'],
'value' : [1., 2., 3., 4.,1., 2., 3., 4.]}
df = pd.DataFrame(d)
## now that we have dummy data do the long to wide conversion
dfGrouped = df.groupby(['state','year', 'description']).value.sum()
dfUnstacked = dfGrouped.unstack('description')
print dfUnstacked
description thing1 thing2
state year
a 1 4 NaN
2 3 1
b 1 2 4
2 NaN 6
所以这看起来像我期望的那样。现在我想要一个未索引的数据框,其中包含“state”、“year”、“thing1”、“thing2”列。所以看来我应该这样做:
dfUnstackedNoIndex = dfUnstacked.reset_index()
print dfUnstackedNoIndex
description state year thing1 thing2
0 a 1 4 NaN
1 a 2 3 1
2 b 1 2 4
3 b 2 NaN 6
好的,差不多了。但我不想描述继续下去。所以让我们只选择我想要的列:
print dfUnstackedNoIndex[['state','year','thing1','thing2']]
description state year thing1 thing2
0 a 1 4 NaN
1 a 2 3 1
2 b 1 2 4
3 b 2 NaN 6
那么“描述”是怎么回事?为什么即使我重置了索引并只选择了几列,它仍然会挂起?显然我没有摸索正确的东西。
FWIW,我的 Pandas 版本是 0.12
最佳答案
description
是列的名称。你可以像这样摆脱它:
In [74]: dfUnstackedNoIndex.columns.name = None
In [75]: dfUnstackedNoIndex
Out[75]:
state year thing1 thing2
0 a 1 4 NaN
1 a 2 3 1
2 b 1 2 4
3 b 2 NaN 6
当您查看两次取消堆叠时发生的情况时,列名的用途可能会变得更加清晰:
In [107]: dfUnstacked2 = dfUnstacked.unstack('state')
In [108]: dfUnstacked2
Out[108]:
description thing1 thing2
state a b a b
year
1 4 2 NaN 4
2 3 NaN 1 6
现在 dfUnstacked2.columns
是一个 MultiIndex
。每个level
都有一个name
,它对应于转换为列级别的索引级别的名称。
In [111]: dfUnstacked2.columns
Out[111]:
MultiIndex(levels=[[u'thing1', u'thing2'], [u'a', u'b']],
labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
names=[u'description', u'state'])
列名称和索引名称在 DataFrame 的字符串表示形式中出现在同一位置,因此很难分清哪个是哪个。您可以通过检查 df.index.names
和 df.columns.names
来弄清楚。
关于python - 使用 Pandas 拆分数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20847508/