[英]Transpose and Groupby pandas Columns
我正在尋找轉置熊貓列並應用 Groupby
df = pd.DataFrame({'ID' : ['ID1', 'ID2', 'ID3', 'ID4'],
'Code1' : ['X60', np.nan, 'X66', np.nan],
'Code2' : [np.nan, 'X64', 'X78', np.nan],
'Code3' : [np.nan, 'X66', 'X81', 'X59'],
'Code4' : [np.nan, np.nan, 'X38', 'X60']})
df
ID Code1 Code2 Code3 Code4
0 ID1 X60 NaN NaN NaN
1 ID2 NaN X64 X66 NaN
2 ID3 X66 X78 X81 X38
3 ID4 NaN NaN X59 X60
我怎樣才能達到這個預期的輸出?
Code NB ID
X38 1 ID3
X59 1 ID4
X60 2 ID1, ID4
X64 1 ID2
X66 2 ID2, ID3
X78 1 ID3
X81 1 ID3
使用DataFrame.stack
進行重塑,通過Series.value_counts
刪除缺失值和計數值,最后Series.sort_index
使用Series.rename_axis
和Series.reset_index
用於 2 列 DataFrame:
df = df.stack().value_counts().sort_index().rename_axis('Code').reset_index(name='NB')
print (df)
Code NB
0 X38 1
1 X59 1
2 X60 2
3 X64 1
4 X66 2
5 X78 1
6 X81 1
編輯:使用DataFrame.melt
然后按size
聚合並join
GroupBy.agg
:
df = (df.melt('ID', value_name='Code')
.groupby('Code', as_index=False)
.agg(NB=('Code','size'), ID=('ID',', '.join)))
print (df)
Code NB ID
0 X38 1 ID3
1 X59 1 ID4
2 X60 2 ID1, ID4
3 X64 1 ID2
4 X66 2 ID3, ID2
5 X78 1 ID3
6 X81 1 ID3
一種選擇是將數據轉換為長格式,在分組之前使用來自pyjanitor的pivot_longer :
# pip install pyjanitor
import pandas as pd
import janitor
(df
.pivot_longer(
index = 'ID',
names_to = 'Code',
names_pattern = ['Code'])
.groupby('Code')
.agg(NB = ('ID', 'size'), ID = ('ID', ','.join))
)
NB ID
Code
X38 1 ID3
X59 1 ID4
X60 2 ID1,ID4
X64 1 ID2
X66 2 ID3,ID2
X78 1 ID3
X81 1 ID3
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.