将 Pandas 中某一列的值转换为列标题

Question

我有以下代码，它将pandas数据框的一列值变为新数据框的列。 数据框的第一列中的值成为新数据框的索引。

在某种程度上，我想将邻接表转换为邻接矩阵。 到目前为止，这是代码：

import pandas as pa
# Create a dataframe
oldcols = {'col1':['a','a','b','b'], 'col2':['c','d','c','d'], 'col3':[1,2,3,4]}
a = pa.DataFrame(oldcols)

# The columns of the new data frame will be the values in col2 of the original
newcols = list(set(oldcols['col2']))
rows = list(set(oldcols['col1']))

# Create the new data matrix
data = np.zeros((len(rows), len(newcols)))

# Iterate over each row and fill in the new matrix
for row in zip(a['col1'], a['col2'], a['col3']):
    rowindex = rows.index(row[0])
    colindex = newcols.index(row[1])
    data[rowindex][colindex] = row[2]

newf = pa.DataFrame(data)
newf.columns = newcols
newf.index = rows

这个针对特定情况的方法如下：原始数据框

  col1 col2  col3
0    a    c     1
1    a    d     2
2    b    c     3
3    b    d     4

被转化为一个新的类似于DataFrame的数据结构。

   c  d
a  1  2
b  3  4

如果col3中的值不是数字，它将失败。我的问题是，是否有更优雅/健壮的方法来解决这个问题？

- juniper-

Answer 1

这看起来像是透视表的工作：

import pandas as pd
oldcols = {'col1':['a','a','b','b'], 'col2':['c','d','c','d'], 'col3':[1,2,3,4]}
a = pd.DataFrame(oldcols)  

newf = a.pivot(index='col1', columns='col2')
print(newf)

产生。

      col3   
col2     c  d
col1         
a        1  2
b        3  4

如果你不想要一个多级索引列，你可以使用以下代码删除col3:

newf.columns = newf.columns.droplevel(0)

这将产生

col2  c  d
col1      
a     1  2
b     3  4

- unutbu

---

哇，这几乎让我后悔手动编写代码了 :-P - juniper-

不用担心，这会让你更加欣赏熊猫！ - unutbu

@unutbu 我的情况几乎相同，但是有重复项，我该如何处理它们。因此，这意味着如果col2有重复项，那么在这种情况下需要做什么。 - LOrD_ARaGOrN

@RishiBansal：当有重复值时，请使用df.pivot_table。它有一个aggfunc参数，允许您指定如何将重复值聚合为单个值。或者，在调用df.pivot之前，您可以删除重复项。 - unutbu

Answer 2

如@unutbu所提到的，您可以使用来重塑数据框架。

res = a.pivot(index='col1', columns='col2', values='col3')

更简洁的方法是将列标签作为参数解包。

res = a.pivot(*a).rename_axis(index=None, columns=None)

---

另一种方法是显式构造图形对象（使用流行的图形库networkx），并构造邻接矩阵。对于简单的数据透视操作而言，这可能过于冗长，但如果给定的数据已经以图形形式存在，这种方法可能会很有用。

import networkx as nx
g = nx.Graph()
col1 = a['col1'].unique()
col2 = a['col2'].unique()
g.add_weighted_edges_from(list(map(tuple, a.values)))
res = nx.to_pandas_adjacency(g).loc[col1, col2]

- cottontail

Answer 3

另一种方法是将前两列分配为 MultiIndex，然后对第二列进行 unstack 操作：

df = pd.DataFrame({'col1':['a','a','b','b'], 'col2':['c','d','c','d'], 'col3':[1,2,3,4]}) 
df.set_index(['col1', 'col2']).squeeze().unstack('col2')

结果是

col2  c  d
col1      
a     1  2
b     3  4

squeeze() 方法将只有一列的 DataFrame 转换为 Series。

- Antony Hatchkins