我有一个 pandas DataFrame my_data
,看起来像
event_id user_id attended
0 13 345 1
1 14 654 0
...
因此 event_id
和 user_id
都有重复项,因为每个用户和事件组合都有一个条目。我想要做的是将其 reshape 为一个 DataFrame,其中我的索引(行)是 DISTINCT user_id
's,列是 DISTINCT event_id
's 和中的值给定的 (row, col) 只是他们是否出席的 bool 值 0 或 1。
看起来pivot
方法是合适的,但是当然当我尝试my_data.pivot(index='user_id', columns='event_id',values='attended')
我收到索引有重复项的错误。
我想我应该先对user_id
进行某种groupby
,但我不想将所有参与的人数加起来
1 和 0 代表每个用户,因为我特别想将 event_id
分开作为我的新列,并单独保留每个用户参加的事件。
任何帮助将不胜感激,谢谢!
最佳答案
IIUC,pivot_table
应该给你你想要的:
>>> df = pd.DataFrame({"event_id": np.random.randint(10, 20, 20), "user_id": np.random.randint(100, 110, 20), "attended": np.random.randint(0, 2, 20)})
>>> df.pivot_table(index="user_id", columns="event_id", values="attended",
aggfunc=sum).fillna(0)
event_id 10 11 12 13 14 15 16 17 19
user_id
101 0 0 0 1 0 0 0 0 0
103 0 0 0 0 0 0 0 0 0
104 0 0 0 0 0 0 0 0 1
105 0 0 0 0 0 0 0 0 0
106 0 0 0 0 0 0 1 0 0
107 1 0 0 0 0 0 0 1 0
108 0 0 0 1 0 0 0 0 0
109 0 0 0 0 1 0 1 0 0
如前所述,如果多行具有相同的用户/事件组合(可能不是这种情况),则出勤率将被累加。如果您想保证帧仅由 0 和 1 组成,那么可以很容易地使用 any
或剪辑值。
关于Python:当所需的索引系列有重复项时旋转 pandas DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29057124/