使用多列作为索引对dask数据框进行透视

Question

我有一个以下格式的Dask DataFrame：

date       hour device  param     value
20190701    21  dev_01  att_1   0.000000
20190718    22  dev_01  att_2   20.000000
20190718    22  dev_01  att_3   18.611111
20190701    21  dev_01  att_4   18.706083
20190718    22  dev_01  att_5   23.333333

我正在尝试使用Dask.DataFrames.pivot_table() API对数据框进行透视。但是，我想将“日期”、“小时”和“设备”用作索引（即，在透视表中，每一行都可以通过日期、小时和设备标识符唯一地标识）：

ddf.pivot_table(index = ['date', 'hour', 'device'], columns='param', values='value')

然而，它正在出现以下错误：

'index' must be the name of an existing column

根据API文档（这里），我理解参数“index”只接受单一列的名称（而非列表），因此出现了该错误。

是否存在其他替代方法来使用多个列作为dask dataframe的索引进行数据透视？

- Arnab Biswas

Answer 1

如文档字符串中所述，您要枢轴的列必须是单个列，并且必须是分类数据类型。因此，要实现您想要的效果，您需要将三列转换为单个分类列。

使用常规 Pandas 语法可以实现此操作，但很可能需要对数据进行全面遍历以获取类别。

- MRocklin