[英]Pandas: Flag groups and then change the data structure
這是我的原始數據:
raw_data = pd.DataFrame({'Year': [1991, 1991, 1991, 2000, 2000],
'ID': ['A', 'A', 'A', 'B', 'B',],
'Group': ['a', 'b', 'c', 'a', 'b'],
'score': [6252, 6252,6252, 2342, 2342]})
我需要生成三個組列,指示每個 ID 是否屬於該組。 Pivot function 只能改變數據結構,達到我的部分目的。
out_data = pd.DataFrame({'Year': [1991, 2000],
'Group a':['Yes','Yes'],
'Group b':['Yes','Yes'],
'Group c':['Yes','No'],
'ID': ['A', 'B'],
'score': [6252, 2342]})
這是pivot_table
的一個變體:
(df
.pivot_table(index=['Year', 'ID'], columns='Group', values='score', aggfunc=any)
.replace({True: 'Yes'}).fillna('No')
.add_prefix('Group_')
.reset_index().rename_axis(columns=None)
)
或crosstab
:
(pd
.crosstab([df['Year'], df['ID']], df['Group'], values=df['score'], aggfunc=any)
.replace({True: 'Yes'}).fillna('No')
.add_prefix('Group_')
.reset_index().rename_axis(columns=None)
)
output:
Year ID Group_a Group_b Group_c
0 1991 A Yes Yes Yes
1 2000 B Yes Yes No
def function1(dd:pd.DataFrame):
return dd.assign(col1=1).pivot_table(index=['Year','ID','score'],columns='Group',values='col1')\
.add_prefix('Group ')
raw_data.groupby(['Year','ID']).apply(function1)\
.applymap(lambda x:"Yes" if pd.notna(x) else 'No')\
.droplevel([0,1]).reset_index()
出去:
Group Year ID score Group a Group b Group c
0 1991 A 6252 Yes Yes Yes
1 2000 B 2342 Yes Yes No
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.