原始表如下:
ID Name Sex Weight Date
1 Bill M 68.1 2015-01-01
2 Mary F 45.2 2015-01-01
3 Gary M 89.2 2015-01-01
1 Bill M 68.3 2015-01-02
2 Mary F 45.3 2015-01-02
3 Gary M 89.1 2015-01-02
所需的输出是:
ID Name Sex 2015-01-01 2015-01-02
1 Bill M 68.1 68.3
2 Mary F 45.2 45.3
3 Gary M 89.2 89.1
是否有任何快速方法来获取所需的数据帧?
我试图创建一个新的数据框并使用ret.loc [i] = row_list逐行追加,但是当数据集变大时,它太慢了。
最佳答案
您可以使用pivot_table
:
print df.pivot_table(index=['ID', 'Name','Sex'], columns='Date', values='Weight')
Date 2015-01-01 2015-01-02
ID Name Sex
1 Bill M 68.1 68.3
2 Mary F 45.2 45.3
3 Gary M 89.2 89.1
如果需要
reset_index
,请使用strftime
:df = df.pivot_table(index=['ID', 'Name','Sex'], columns='Date', values='Weight')
df.columns = df.columns.strftime('%Y-%m-%d')
#if you need sorting columns
df= df.sort_index(axis = 1)
df = df.reset_index()
print df
ID Name Sex 2015-01-01 2015-01-02
0 1 Bill M 68.1 68.3
1 2 Mary F 45.2 45.3
2 3 Gary M 89.2 89.1
要么:
print df.pivot_table(index=['ID', 'Name','Sex'], columns='Date', values='Weight').reset_index()
Date ID Name Sex 2015-01-01 00:00:00 2015-01-02 00:00:00
0 1 Bill M 68.1 68.3
1 2 Mary F 45.2 45.3
2 3 Gary M 89.2 89.1
关于python - Python和Pandas:匹配和转置,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/35209896/