Python Pandas hub_table 在数据透视后缺少列

Question

我有以下数据框。数据框是通过读取 csv 文件构建的。它是一个很大的数据集，但出于这个问题的目的，我使用了数据集中的 15 行作为示例。

   user_id   contrib_count   total_min_length     group_space     expert_level
0     23720        108           1112696               0             l-2
1     23720         13            442059               1             l-2
2     23720         12             32180               2             l-2
3     23720          2             20177               3             l-2
4     23720          1              1608              10             l-2
5   1265184         71            260186               0             l-G
6   1265184         10              3466               2             l-G
7   1265184          1             12081               4             l-G
8    513380        112           1049311               0             l-4
9    513380          1                97               1             l-4
10   513380        113            361980               2             l-4
11   513380         19           1198323               3             l-4
12   513380          2             88301               4             l-4
13    20251        705          17372707               0             l-G
14    20251        103           2327178               1             l-G

预期结果 枢轴后我想要的是以下数据框：

group_space        0      1     2     3     4     5    6   7    8   9    10  expert_level
user_id
20251             705    103    68    24    18     2    6 NaN  NaN   5   22     l-G                                                                  
23720             108     13    12     2   NaN   NaN  NaN NaN  NaN NaN    1     l-2

我这样做的原因是一旦我这样做了，我就可以将其用作预测任务，作为expert_level标签数据。

到目前为止，我已经按照以下步骤构建了上述矩阵，但我无法获得expert_level枢轴后所示的列。

这就是我所做的：

class GroupAnalysis():

    def __init__(self):
        self.df = None
        self.filelocation = '~/somelocation/x.csv'

    def pivot_dataframe(self):

        raw_df = pd.read_csv(self.filelocation)
        self.df = raw_df[(raw_df['group_space'] < 11)]
        self.df.set_index(['user_id', 'group_space'], inplace=True)
        self.df = self.df['contrib_count'].unstack()

通过这样做我得到：

group_space        0      1     2     3     4     5    6   7    8   9    10
user_id
20251             705    103    68    24    18     2    6 NaN  NaN   5   22                                                                
23720             108     13    12     2   NaN   NaN  NaN NaN  NaN NaN    1 

正如你所看到的，我错过了expert_level最后的专栏。所以问题是如何使用 Expert_level 获得上述数据框，如我的“预期结果”中所示？

Answer 1

当你取消堆叠时，你只是取消堆叠一个系列contrib_count-expert_level并且total_min_length那时已经消失了。

您可以使用而不是设置索引和取消堆叠.pivot()

pivoted = df.pivot('user_id', 'group_space', 'contrib_count')

然后，创建一个框架user_id作为索引和expert_level列，消除重复项：

lookup = df.drop_duplicates('user_id')[['user_id', 'expert_level']]
lookup.set_index(['user_id'], inplace=True)

然后加入你的pivot和lookup

result = pivoted.join(lookup)

编辑：如果您还想包含total_min_length，您可以进行第二个枢轴：

pivoted2 = df.pivot('user_id', 'group_space', 'total_min_length')

并加入所有三个而不是两个：

result = pivoted.join(lookup).join(pivoted2, lsuffix="_contrib_count", rsuffix="_total_min_length")

请注意，需要使用lsuffix和来消除列的歧义，因为两个数据透视表都具有示例数据中的和列。rsuffix0, 1, 2, 3, 410