考虑以下数据框:
data = {'person_id': [1,2,2,2,3,4,4,6],
'admission_id': [123,234,234,234,345,456,567,678],
'timespan': ['12h', '12h', '24h', '36h', '12h', '12h', '24h', '48h'],
'label': ['A', 'B', 'B', 'B', 'C', 'C', 'C', 'B'],
'value': [56,170,170,170,65,64,53,150]}
df = pd.DataFrame(data=data)
每列的数据类型如下:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 5 columns):
admission_id 8 non-null int64
label 8 non-null object
person_id 8 non-null int64
timespan 8 non-null object
value 8 non-null int64
dtypes: int64(3), object(2)
memory usage: 400.0+ bytes
转换前的表格如下:
执行pivot_table转换会产生下表:
df.pivot_table(values='value', index=['person_id', 'admission_id', 'timespan'], columns='label', fill_value=0)
我理想的表结构是每一行 person_id 和mission_id 显示所有 4 个时间跨度值(即 12h、24h、36h 和 48h)的值,即使它们都是空值。
然后我尝试将“timespan”转换为分类数据类型,如下所示:
df['timespan'] = df['timespan'].astype('category')
执行另一个数据透视表会产生完全不同的结果:
现在,我在每一行上显示时间跨度的所有 4 个可能值,但我的第二级行索引,admissions_id,也被分类。现在每个admission_id 都与每个person_id 一起出现。
需要澄清的是,每个admission_id对于每个person_id都是唯一的,即不会有重复的admission_id,但一个person_id可以有多个admission_id。
有什么方法可以创建我理想的表结构,它应该看起来像这样吗?:
person_id admission_id timespan A B C
1 123 12h 56 0 0
24h 0 0 0
36h 0 0 0
48h 0 0 0
2 234 12h 0 170 0
24h 0 170 0
36h 0 170 0
48h 0 0 0
3 345 12h 0 0 65
24h 0 0 0
36h 0 0 0
48h 0 0 0
最佳答案
df1 = df.pivot_table(values='value',
index=['person_id', 'admission_id', 'timespan'],
columns='label',
fill_value=0)
df2 = df1.unstack(fill_value=0).stack()
或者非常相似:
df2 = df.pivot_table(values='value',
index=['person_id', 'admission_id'],
columns=['label', 'timespan'],
fill_value=0).stack().fillna(0).astype(int)
或者:
df2 = (df.groupby(['person_id', 'admission_id', 'timespan', 'label'])['value']
.mean()
.unstack(level=['label','timespan'])
.fillna(0)
.stack()
.fillna(0).astype(int))
print (df2)
<小时/>
print (df2)
label A B C
person_id admission_id timespan
1 123 12h 56 0 0
24h 0 0 0
36h 0 0 0
48h 0 0 0
2 234 12h 0 170 0
24h 0 170 0
36h 0 170 0
48h 0 0 0
3 345 12h 0 0 65
24h 0 0 0
36h 0 0 0
48h 0 0 0
4 456 12h 0 0 64
24h 0 0 0
36h 0 0 0
48h 0 0 0
567 12h 0 0 0
24h 0 0 53
36h 0 0 0
48h 0 0 0
6 678 12h 0 0 0
24h 0 0 0
36h 0 0 0
48h 0 150 0
关于python - 具有类别和对象数据类型的 Pandas 数据透视表会产生不同的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48960528/