从熊猫数据框的列创建一个numpy数组

Question

我有一个看起来像这样的DataFrame ：

A    B    C
1    2    3
1    5    3
4    8    2
4    2    1

我想从此数据创建一个NumPy数组，使用A列作为索引， B列作为列标题， C列作为填充数据。

最终，它应该看起来像这样：

     2    5    8
1    3    3    
4    1         2

有什么好方法吗？

我已经尝试过df.pivot_table ，但是担心我弄乱了数据，所以我宁愿以另一种更直观的方式进行操作。

Answer 1

像这样操作数据框

df.set_index(['A', 'B']).C.unstack()

要么

df.set_index(['A', 'B']).C.unstack(fill_value='')

---

得到这样的numpy数组

df.set_index(['A', 'B']).C.unstack().values

array([[  3.,   3.,  nan],
       [  1.,  nan,   2.]])

要么

df.set_index(['A', 'B']).C.unstack(fill_value='').values

array([[3, 3, ''],
       [1, '', 2]], dtype=object)

Answer 2

Pandas拆堆看起来不错！ 因此，我认为让我们尝试使用NumPy复制相同的行为，该行为可以在数组上工作并最终得到如下结果-

def numpy_unstack(a, fillval=0):
    r = np.unique(a[:,0],return_inverse=1)[1]
    c = np.unique(a[:,1],return_inverse=1)[1]
    out = np.full((r.max()+1,c.max()+1),fillval)
    out[r,c] = a[:,2]
    return out

样品运行-

In [81]: df
Out[81]: 
   0  1  2
0  1  2  3
1  1  5  3
2  4  8  2
3  4  2  1

In [82]: numpy_unstack(df.values,0)
Out[82]: 
array([[ 3.,  3.,  0.],
       [ 1.,  0.,  2.]])

In [83]: numpy_unstack(df.values,np.nan)
Out[83]: 
array([[  3.,   3.,  nan],
       [  1.,  nan,   2.]])

Answer 3

像上面提到的，你可以像这样使用pd.pivot_table

In [1655]: df.pivot_table(index='A', columns='B', values='C', fill_value='')
Out[1655]:
B  2  5  8
A
1  3  3
4  1     2