[英]Create new columns in a dataframe with combination of three columns in python
通过Pandas的Pivot功能很容易做到这一点。
这是您的数据框:
df=pd.DataFrame([['1/1/2001',1,21,1200],['1/1/2001',1,22,1000],['1/1/2001',1,23,1500],['2/1/2001',1,21,300],['2/1/2001',2,22,200],['3/1/2001',3,21,400],['4/1/2001',3,22,500]],columns=('Date','Id','Product','Sales'))
输出:
Date Id Product Sales
0 1/1/2001 1 21 1200
1 1/1/2001 1 22 1000
2 1/1/2001 1 23 1500
3 2/1/2001 1 21 300
4 2/1/2001 2 22 200
5 3/1/2001 3 21 400
6 4/1/2001 3 22 500
现在只需使用以下代码:
df.pivot(index='Date',columns='Product',values='Sales')
您会得到:
Product 21 22 23
Date
1/1/2001 1200.0 1000.0 1500.0
2/1/2001 300.0 200.0 NaN
3/1/2001 400.0 NaN NaN
4/1/2001 NaN 500.0 NaN
关于列的名称,那么,您可以更改它的方式,也可以更改它们在我的答案中的显示方式,我想它们还可以。
您将串联ID和产品,然后透视结果。
import pandas as pd
df=pd.DataFrame([['1/1/2001',1,21,1200],['1/1/2001',1,22,1000],['1/1/2001',1,23,1500],['2/1/2001',1,21,300],['2/1/2001',2,22,200],['3/1/2001',3,21,400],['4/1/2001',3,22,500]],columns=('Date','Id','Product','Sales'))
df['Id_Prod'] = df['Id'].astype(str).str.cat(df['Product'].astype(str), sep='_')
df.pivot(index='Date',columns='Id_Prod',values='Sales')
结果:
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.