熊猫从长到宽的多列整形

Question

我有一个熊猫数据框如下：

 request_id     crash_id           counter  num_acc_x  num_acc_y  num_acc_z
    745109.0    670140638.0        0      0.010      0.000     -0.045
    745109.0    670140638.0        1      0.016     -0.006     -0.034
    745109.0    670140638.0        2      0.016     -0.006     -0.034

我的 id 变量是：“request_id”和“crash_id”，目标变量是 nu_acc_x、num_acc_y 和 num_acc_z 我想创建一个新的 DataFrame，其中目标变量被广泛重塑，即添加 max(counter)*3 新变量，如 num_acc_x_0 , num_acc_x_1, ... num_acc_y_0,num_acc_y_1,... num_acc_z_0, num_acc_z_1 可能没有枢轴作为最终结果（我想要一个真正的 DataFrame 就像在 R 中一样）。

预先感谢您的关注

Answer 1

我想你需要set_index用unstack，最后从创建列名MultiIndex的map：

df = df.set_index(['request_id','crash_id','counter']).unstack()
df.columns = df.columns.map(lambda x: '{}_{}'.format(x[0], x[1]))
df = df.reset_index()
print (df)
   request_id     crash_id  num_acc_x_0  num_acc_x_1  num_acc_x_2  \
0    745109.0  670140638.0         0.01        0.016        0.016   

   num_acc_y_0  num_acc_y_1  num_acc_y_2  num_acc_z_0  num_acc_z_1  \
0          0.0       -0.006       -0.006       -0.045       -0.034   

   num_acc_z_2  
0       -0.034  

使用以下方法聚合重复项的另一种解决方案pivot_table：

df = df.pivot_table(index=['request_id','crash_id'], columns='counter', aggfunc='mean')
df.columns = df.columns.map(lambda x: '{}_{}'.format(x[0], x[1]))
df = df.reset_index()
print (df)
   request_id     crash_id  num_acc_x_0  num_acc_x_1  num_acc_x_2  \
0    745109.0  670140638.0         0.01        0.016        0.016   

   num_acc_y_0  num_acc_y_1  num_acc_y_2  num_acc_z_0  num_acc_z_1  \
0          0.0       -0.006       -0.006       -0.045       -0.034   

   num_acc_z_2  
0       -0.034  

df = df.groupby(['request_id','crash_id','counter']).mean().unstack()
df.columns = df.columns.map(lambda x: '{}_{}'.format(x[0], x[1]))
df = df.reset_index()
print (df)
   request_id     crash_id  num_acc_x_0  num_acc_x_1  num_acc_x_2  \
0    745109.0  670140638.0         0.01        0.016        0.016   

   num_acc_y_0  num_acc_y_1  num_acc_y_2  num_acc_z_0  num_acc_z_1  \
0          0.0       -0.006       -0.006       -0.045       -0.034   

   num_acc_z_2  
0       -0.034