Преобразование кадра данных из длинного в широкое с помощью панд - Вывод из одной строки - PullRequest
Новая
       14

Преобразование кадра данных из длинного в широкое с помощью панд - Вывод из одной строки

1 голос
/ 25 сентября 2019

У меня есть датафрейм, как показано ниже 

df = pd.DataFrame({
'subject_id':[1,1,1,1,2,2,2,2],
'date':['2173/04/11','2173/04/12','2173/04/11','2173/04/12','2173/05/14','2173/05/15','2173/05/14','2173/05/15'],
'time_1':['2173/04/11 12:35:00','2173/04/12 12:50:00','2173/04/11 12:59:00','2173/04/12 13:14:00','2173/05/14 13:37:00','2173/05/15 13:39:00','2173/05/14 18:37:00','2173/05/15 19:39:00'],
 'val' :[5,5,40,40,7,7,38,38],
 'iid' :[12,12,12,12,21,21,21,21]   
 })
df['time_1'] = pd.to_datetime(df['time_1'])
df['day'] = df['time_1'].dt.day

Я попытался использовать stack,unstack,pivot and melt подход, но, похоже, не помогает 

pd.melt(df, id_vars =['subject_id','val'], value_vars =['date','val']) #1

df.unstack().reset_index()  #2

df.pivot(index='subject_id', columns='time_1', values='val')  #3

Я ожидаю, что мой выходной фрейм данных будет выглядетькак показано ниже

enter image description here

обновленный снимок экрана

enter image description here

enter image description here

1 Ответ

1 голос
/ 25 сентября 2019

Идея заключается в создании вспомогательной серии GroupBy.cumcount с теми же столбцами / столбцами для нового индекса - здесь subject_id, создание MultiIndex, изменение формы DataFrame.unstack и последняяflatten MulitIndex in columns: 

cols = ['time_1','val']
df = df.set_index(['subject_id', df.groupby('subject_id').cumcount().add(1)])[cols].unstack()
df.columns = [f'{a}{b}' for a, b in df.columns]
df = df.reset_index()
print (df)
   subject_id             time_11             time_12             time_13  \
0           1 2173-04-11 12:35:00 2173-04-12 12:50:00 2173-04-11 12:59:00   
1           2 2173-05-14 13:37:00 2173-05-15 13:39:00 2173-05-14 18:37:00   

              time_14  val1  val2  val3  val4  
0 2173-04-12 13:14:00     5     5    40    40  
1 2173-05-15 19:39:00     7     7    38    38

Ожидаются недостающие значения, если не одинаковое количество id групп - unstack используют максимальное количество, а затем добавляются ошибочные значения: 

df = pd.DataFrame({
'subject_id':[1,1,1,2,2,3],
'date':['2173/04/11','2173/04/12','2173/04/11','2173/04/12','2173/05/14','2173/05/15'],
'time_1':['2173/04/11 12:35:00','2173/04/12 12:50:00','2173/04/11 12:59:00',
          '2173/04/12 13:14:00','2173/05/14 13:37:00','2173/05/15 13:39:00'],
 'val' :[5,5,40,40,7,7],
 'iid' :[12,12,12,12,21,21]   
 })
df['time_1'] = pd.to_datetime(df['time_1'])
df['day'] = df['time_1'].dt.day
print (df)
   subject_id        date              time_1  val  iid  day
0           1  2173/04/11 2173-04-11 12:35:00    5   12   11
1           1  2173/04/12 2173-04-12 12:50:00    5   12   12
2           1  2173/04/11 2173-04-11 12:59:00   40   12   11
3           2  2173/04/12 2173-04-12 13:14:00   40   12   12
4           2  2173/05/14 2173-05-14 13:37:00    7   21   14
5           3  2173/05/15 2173-05-15 13:39:00    7   21   15

cols = ['time_1','val']
df = df.set_index(['subject_id', df.groupby('subject_id').cumcount().add(1)])[cols].unstack()
df.columns = [f'{a}{b}' for a, b in df.columns]
df = df.reset_index()
print (df)
   subject_id             time_11             time_12             time_13  \
0           1 2173-04-11 12:35:00 2173-04-12 12:50:00 2173-04-11 12:59:00   
1           2 2173-04-12 13:14:00 2173-05-14 13:37:00                 NaT   
2           3 2173-05-15 13:39:00                 NaT                 NaT   

   val1  val2  val3  
0   5.0   5.0  40.0  
1  40.0   7.0   NaN  
2   7.0   NaN   NaN
...