python - Pandas: reshape 和多索引

Question

我有一个带有这些列的 pandas 数据框:

• 项目编号
• 2015 年 1 月 15 日状态
• 2015 年 1 月 15 日地点
• 2015 年 2 月 15 日状态
• 2015 年 2 月 15 日地点
• 等等

我该如何做这两件事？

1. 创建多索引列，其中第一个索引是月份，第二个索引是我正在跟踪的指标(状态、位置)
2. 堆叠列，使表格看起来像这样:

+--------+-----------+----------+--------+--+
| itemid |  mymonth  | location | status |  |
+--------+-----------+----------+--------+--+
| A      | 15/1/2015 | North    | Good   |  |
| A      | 15/2/2015 | South    | Bad    |  |
+--------+-----------+----------+--------+--+

从如下所示的输入开始:

+--------+-------------------+---------------------+-------------------+---------------------+
| itemid | 15/01/2015 status | 15/01/2015 location | 15/02/2015 status | 15/02/2015 location |
+--------+-------------------+---------------------+-------------------+---------------------+
| A      | Good              | North               | Bad               | South               |
+--------+-------------------+---------------------+-------------------+---------------------+

可以使用以下命令重新创建(输入):

import pandas as pd
df=pd.DataFrame()
df['itemid']=['A']
df['15/01/2015 status'] = ['Good']
df['15/01/2015 location'] = ['North']
df['15/02/2015 status'] = ['Bad']
df['15/02/2015 location'] = ['South']

我一直在考虑如何使用melt，但我不太确定它是否适用于这种情况。

Answer 1

您可以使用stack与 split最后pivot_table与 rename_axis (pandas 0.18.0 中的新功能):

df1 = df.set_index('itemid').stack().reset_index()
df1.columns = ['itemid','mymonth', 'd']

df1[['mymonth','c']] = df1.mymonth.str.split('\s+').apply(pd.Series)
print df1
  itemid     mymonth      d         c
0      A  15/01/2015   Good    status
1      A  15/01/2015  North  location
2      A  15/02/2015    Bad    status
3      A  15/02/2015  South  location

print df1.pivot_table(index=['itemid', 'mymonth'], columns='c', values='d', aggfunc='first')
        .reset_index()
        .rename_axis(None, axis=1)

  itemid     mymonth location status
0      A  15/01/2015    North   Good
1      A  15/02/2015    South    Bad

编辑:

我认为，如果通过 first 聚合，有时可能会丢失数据，因为您只带来第一个值(如果创建新索引的列中存在重复)，而其他值会丢失。

所以如果通过字符串聚合，可以使用join。数据不会丢失，只是通过,连接和分隔:

print df1.pivot_table(index=['itemid', 'mymonth'], columns='c', values='d',aggfunc=', '.join)
         .reset_index()
         .rename_axis(None, axis=1)