本文介绍了Pandas 的数据透视表或分组依据?的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个直截了当的问题，在过去的 3 个小时里一直给我带来很多困难.这应该很容易.
I have a hopefully straightforward question that has been giving me a lot of difficulty for the last 3 hours. It should be easy.
这就是挑战.
我有一个熊猫数据框:
+--------------------------+
| Col 'X' Col 'Y' |
+--------------------------+
| class 1 cat 1 |
| class 2 cat 1 |
| class 3 cat 2 |
| class 2 cat 3 |
+--------------------------+
我希望将数据帧转换为:
What I am looking to transform the dataframe into:
+------------------------------------------+
| cat 1 cat 2 cat 3 |
+------------------------------------------+
| class 1 1 0 0 |
| class 2 1 0 1 |
| class 3 0 1 0 |
+------------------------------------------+
其中的值是值计数.有人有任何见解吗?谢谢！
Where the values are value counts. Anybody have any insight? Thanks!
推荐答案
这里有几种重塑数据的方法 df
Here are couple of ways to reshape your data df
In [27]: df
Out[27]:
Col X Col Y
0 class 1 cat 1
1 class 2 cat 1
2 class 3 cat 2
3 class 2 cat 3
1) 使用 pd.crosstab()
In [28]: pd.crosstab(df['Col X'], df['Col Y'])
Out[28]:
Col Y cat 1 cat 2 cat 3
Col X
class 1 1 0 0
class 2 1 0 1
class 3 0 1 0
2) 或者，使用 groupby 在 'Col X','Col Y' 上，unstack 超过 Col Y，然后用零填充 NaNs.
2) Or, use groupby on 'Col X','Col Y' with unstack over Col Y, then fill NaNs with zeros.
In [29]: df.groupby(['Col X','Col Y']).size().unstack('Col Y', fill_value=0)
Out[29]:
Col Y cat 1 cat 2 cat 3
Col X
class 1 1 0 0
class 2 1 0 1
class 3 0 1 0
3) 或者，使用 pd.pivot_table() with index=Col X, columns=Col Y
In [30]: pd.pivot_table(df, index=['Col X'], columns=['Col Y'], aggfunc=len, fill_value=0)
Out[30]:
Col Y cat 1 cat 2 cat 3
Col X
class 1 1 0 0
class 2 1 0 1
class 3 0 1 0
4) 或者，使用 set_index 和 unstack
In [492]: df.assign(v=1).set_index(['Col X', 'Col Y'])['v'].unstack(fill_value=0)
Out[492]:
Col Y cat 1 cat 2 cat 3
Col X
class 1 1 0 0
class 2 1 0 1
class 3 0 1 0
这篇关于Pandas 的数据透视表或分组依据?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！