通过两个变量将熊猫的长宽重塑

问题描述：

我有长格式的数据并试图将其重塑为宽格式，但似乎没有使用 melt/stack/unstack 的直接方法来实现此目的：

Salesman  Height   product      price
  Knut      6        bat          5
  Knut      6        ball         1
  Knut      6        wand         3
  Steve     5        pen          2

变成：

Salesman  Height    product_1  price_1  product_2 price_2 product_3 price_3  
  Knut      6        bat          5       ball      1        wand      3
  Steve     5        pen          2        NA       NA        NA       NA

我认为 Stata 可以使用 reshape 命令做类似的事情。

解决方案 1：

这是另一个更加详细的解决方案，取自Chris Albon 的网站。

创建“长”数据框

raw_data = {
    'patient': [1, 1, 1, 2, 2],
    'obs': [1, 2, 3, 1, 2],
    'treatment': [0, 1, 0, 1, 0],
    'score': [6252, 24243, 2345, 2342, 23525]}

df = pd.DataFrame(raw_data, columns=['patient', 'obs', 'treatment', 'score'])

   patient  obs  treatment  score
0        1    1          0   6252
1        1    2          1  24243
2        1    3          0   2345
3        2    1          1   2342
4        2    2          0  23525

制作“宽”数据

df.pivot(index='patient', columns='obs', values='score')

obs           1        2       3
patient
1        6252.0  24243.0  2345.0
2        2342.0  23525.0     NaN

解决方案 2：

一个简单的枢轴可能足以满足您的需要，但这是我为重现您所需的输出所做的：

df['idx'] = df.groupby('Salesman').cumcount()

只需添加组内计数器/索引即可获得大部分结果，但列标签不会像您所希望的那样：

print df.pivot(index='Salesman',columns='idx')[['product','price']]

        product              price        
idx            0     1     2      0   1   2
Salesman                                   
Knut         bat  ball  wand      5   1   3
Steve        pen   NaN   NaN      2 NaN NaN

为了更接近您想要的输出，我添加了以下内容：

df['prod_idx'] = 'product_' + df.idx.astype(str)
df['prc_idx'] = 'price_' + df.idx.astype(str)

product = df.pivot(index='Salesman',columns='prod_idx',values='product')
prc = df.pivot(index='Salesman',columns='prc_idx',values='price')

reshape = pd.concat([product,prc],axis=1)
reshape['Height'] = df.set_index('Salesman')['Height'].drop_duplicates()
print reshape

         product_0 product_1 product_2  price_0  price_1  price_2  Height
Salesman                                                                 
Knut           bat      ball      wand        5        1        3       6
Steve          pen       NaN       NaN        2      NaN      NaN       5

编辑：如果您想将该过程推广到更多变量，我认为您可以执行以下操作（尽管它可能不够有效）：

df['idx'] = df.groupby('Salesman').cumcount()

tmp = []
for var in ['product','price']:
    df['tmp_idx'] = var + '_' + df.idx.astype(str)
    tmp.append(df.pivot(index='Salesman',columns='tmp_idx',values=var))

reshape = pd.concat(tmp,axis=1)

@Luke 说：

我认为 Stata 可以使用 reshape 命令做类似的事情。

你可以，但我认为你还需要一个组内计数器来在 stata 中进行重塑以获得所需的输出：

     +-------------------------------------------+
     | salesman   idx   height   product   price |
     |-------------------------------------------|
  1. |     Knut     0        6       bat       5 |
  2. |     Knut     1        6      ball       1 |
  3. |     Knut     2        6      wand       3 |
  4. |    Steve     0        5       pen       2 |
     +-------------------------------------------+

如果添加idx，则可以进行重塑stata：

reshape wide product price, i(salesman) j(idx)

解决方案 3：

Karl D 的解决方案触及了问题的核心。但我发现将所有内容旋转（由于.pivot_table有两个索引列）然后sort分配要折叠的列要容易得多MultiIndex：

df['idx'] = df.groupby('Salesman').cumcount()+1
df = df.pivot_table(index=['Salesman', 'Height'], columns='idx', 
                    values=['product', 'price'], aggfunc='first')

df = df.sort_index(axis=1, level=1)
df.columns = [f'{x}_{y}' for x,y in df.columns]
df = df.reset_index()

输出：

  Salesman  Height  price_1 product_1  price_2 product_2  price_3 product_3
0     Knut       6      5.0       bat      1.0      ball      3.0      wand
1    Steve       5      2.0       pen      NaN       NaN      NaN       NaN

解决方案 4：

虽然有点旧了，但我会将其发布给其他人。

你想要的可以实现，但你可能不想要它；）Pandas 支持行和列的分层索引。在 Python 2.7.x 中...

from StringIO import StringIO

raw = '''Salesman  Height   product      price
  Knut      6        bat          5
  Knut      6        ball         1
  Knut      6        wand         3
  Steve     5        pen          2'''
dff = pd.read_csv(StringIO(raw), sep='s+')

print dff.set_index(['Salesman', 'Height', 'product']).unstack('product')

产生比你正在寻找的更方便的表示

                price             
product          ball bat pen wand
Salesman Height                   
Knut     6          1   5 NaN    3
Steve    5        NaN NaN   2  NaN

与使用单个函数作为 pivot 相比，使用 set_index 和 unstacking 的优势在于，您可以将操作分解为清晰的小步骤，从而简化调试。

解决方案 5：

pivoted = df.pivot('salesman', 'product', 'price')

第 192 页 Python 用于数据分析

解决方案 6：

一个老问题；这是对已经很优秀的答案的补充。pyjanitor中的pivot_wider可能有助于作为从长到宽重塑的抽象（它是pd.pivot的包装器）：

# pip install pyjanitor
import pandas as pd
import janitor

idx = df.groupby(['Salesman', 'Height']).cumcount().add(1)

(df.assign(idx = idx)
   .pivot_wider(index = ['Salesman', 'Height'], names_from = 'idx')
)
 
  Salesman  Height product_1 product_2 product_3  price_1  price_2  price_3
0     Knut       6       bat      ball      wand      5.0      1.0      3.0
1    Steve       5       pen       NaN       NaN      2.0      NaN      NaN