从(row,col,values)元组列表构造pandas DataFrame

Question

我有一个像元组的列表

data = [
('r1', 'c1', avg11, stdev11),
('r1', 'c2', avg12, stdev12),
('r2', 'c1', avg21, stdev21),
('r2', 'c2', avg22, stdev22)
]

我想将它们放入一个pandas DataFrame中,其中第一列命名的行和第二列命名的列.似乎照顾行名称的方式是类似pandas.DataFrame([x[1:] for x in data], index = [x[0] for x in data])但是如何处理列以获得2x2矩阵(前一组的输出是3x4)？是否有更智能的方式来处理行标签,而不是明确省略它们？

编辑似乎我需要2个DataFrames - 一个用于平均值,一个用于标准偏差,这是正确的吗？或者我可以在每个"单元格"中存储值列表吗？

Answer 1

您可以在创建后转动DataFrame:

>>> df = pd.DataFrame(data)
>>> df.pivot(index=0, columns=1, values=2)
# avg DataFrame
1      c1     c2
0               
r1  avg11  avg12
r2  avg21  avg22
>>> df.pivot(index=0, columns=1, values=3)
# stdev DataFrame
1        c1       c2
0                   
r1  stdev11  stdev12
r2  stdev21  stdev22

Answer 2

我认为最好将数据保持原样:

df = pandas.DataFrame(data, columns=['R_Number', 'C_Number', 'Avg', 'Std'])

# Possibly also this if these can always be the indexes:
# df = df.set_index(['R_Number', 'C_Number'])

然后说它更直观一些

df.set_index(['R_Number', 'C_Number']).Avg.unstack(level=1)

这种方式暗示您正在寻求重塑平均值或标准偏差.然而,仅仅使用pivot它,它纯粹基于列约定,关于你正在重塑什么语义实体.

Answer 3

这是我在谈到这个问题时所期望的:

#!/usr/bin/env python

import pandas as pd


df = pd.DataFrame([(1, 2, 3, 4),
                   (5, 6, 7, 8),
                   (9, 0, 1, 2),
                   (3, 4, 5, 6)],
                  columns=list('abcd'),
                  index=['India', 'France', 'England', 'Germany'])
print(df)

给

         a  b  c  d
India    1  2  3  4
France   5  6  7  8
England  9  0  1  2
Germany  3  4  5  6