[英]Combine multiple time-series rows into one row with Pandas
我使用循环神经网络来消耗时间序列事件(点击流)。 我的数据需要格式化,以便每行包含id的所有事件。 我的数据是单热编码的,我已经用id对它进行了分组。 另外,我限制每个id的事件总数(例如2),因此最终宽度将始终是已知的(#one-hot cols x #events)。 我需要保持事件的顺序,因为它们是按时间排序的。
当前数据状态:
id page.A page.B page.C
0 001 0 1 0
1 001 1 0 0
2 002 0 0 1
3 002 1 0 0
所需数据状态:
id page.A1 page.B1 page.C1 page.A2 page.B2 page.C2
0 001 0 1 0 1 0 0
1 002 0 0 1 1 0 1
这看起来像是一个pivot
问题,但我生成的数据帧不是我需要的格式。 关于如何处理这个问题的任何建议?
这里的想法是在每个'id'
组中reset_index
来计算我们所在的那个特定'id'
哪一行。 然后按照了unstack
和sort_index
得到他们应该是列。
最后,展平多索引。
df1 = df.set_index('id').groupby(level=0) \
.apply(lambda df: df.reset_index(drop=True)) \
.unstack().sort_index(axis=1, level=1) # Thx @jezrael for sort reminder
df1.columns = ['{}{}'.format(x[0], int(x[1]) + 1) for x in df1.columns]
df1
你可以先创建一个新列cumcount
新的列名,然后set_index
和unstack
。 然后,您需要通过sort_index
对级别1
的列进行排序,通过list comprehension
MultiIndex
从列中删除MultiIndex
并最后reset_index
:
df['g'] = (df.groupby('id').cumcount() + 1).astype(str)
df1 = df.set_index(['id','g']).unstack()
df1.sort_index(axis=1,level=1, inplace=True)
df1.columns = [''.join(col) for col in df1.columns]
df1.reset_index(inplace=True)
print (df1)
id page.A1 page.B1 page.C1 page.A2 page.B2 page.C2
0 1 0 1 0 1 0 0
1 2 0 0 1 1 0 0
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.