Pandas - 从列值创建列，并用计数填充

Question

我有一个类似下面的数据框。

索引 时间 周几 0 21:10:00 星期二 1 21:15:00 星期二 2 21:20:00 星期二 3 21:20:00 星期二 4 21:25:00 星期三 5 21:25:00 星期三 6 21:30:00 星期五 7 21:35:00 星期四 8 21:35:00 星期三 9 21:40:00 星期三 10 21:40:00 星期三 11 21:40:00 星期一

我想将每周的天数放入列中，并计算每个时间在每天出现的次数，我的目标是这样的：

时间 星期一 星期二 星期三 星期四 星期五 21:10:00 0 1 0 0 0 21:15:00 0 1 0 0 0 21:20:00 0 2 0 0 0 21:25:00 0 0 2 0 0 21:30:00 0 0 0 0 1 21:35:00 0 0 1 1 0 21:40:00 1 0 2 0 0

这是因为我想在seaborn中创建一个热图，并且我读到我的数据必须按照某种方式进行透视/整理： https://dev59.com/6VoU5IYBdhLWcg3wIkaI#37790707

我知道如何计算每个Time值出现的频率，忽略星期几： df['Time'].value_counts() 而且我一直在阅读http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.pivot.html，但我不知道如何将这两个想法结合起来。

- Ben Kailon

Answer 1

使用 groupby 结合 size 和 unstack 或者 crosstab 可以重塑数据。

如果需要更改日期的顺序，可以使用有序分类或按列重新索引reindex：

cats = ['Monday','Tuesday','Wednesday','Thursday','Friday']

df['Weekday'] = pd.Categorical(df['Weekday'], categories=cats, ordered=True)

df = df.groupby(['Time', 'Weekday']).size().unstack(fill_value=0)

---

df = df.groupby(['Time', 'Weekday']).size().unstack(fill_value=0).reindex(columns=cats)

替代方案：

df = pd.crosstab(df['Time'], pd.Categorical(df['Weekday'], categories=cats, ordered=True))

df = pd.crosstab(df['Time'], df['Weekday']).reindex(columns=cats)

---

print (df)

col_0     Monday  Tuesday  Wednesday  Thursday  Friday
Time                                                  
21:10:00       0        1          0         0       0
21:15:00       0        1          0         0       0
21:20:00       0        2          0         0       0
21:25:00       0        0          2         0       0
21:30:00       0        0          0         0       1
21:35:00       0        0          1         1       0
21:40:00       1        0          2         0       0

上次使用过的是 seaborn.heatmap：

import seaborn as sns

sns.heatmap(df, annot=True, fmt="g", cmap='viridis')

- jezrael

---

超出预期，谢谢。我想把时间放在底部，所以我使用了sns.heatmap(df.T, ...)。 - Ben Kailon