透视多重组合-Dataframe-Python

Question

我有一个具有多个组合的数据帧，它们各自的排名如下所示：

+--------------+--------------+--------------+------+
| Combination1 | Combination2 | Combination3 | Rank |
+--------------+--------------+--------------+------+
| VAR1 : VAL11 | VAR2 : VAL21 | VAR3 : VAL31 |    1 |
| VAR1 : VAL12 | VAR4 : VAL41 | VAR2 : VAL22 |    2 |
+--------------+--------------+--------------+------+

我已经将每一列分为两列，如下所示：

+-----------+-----------+-----------+-----------+-----------+-----------+-------+
| Comb_Col1 | Comb_Val1 | Comb_Col2 | Comb_Val2 | Comb_Col3 | Comb_Val3 | Rank  |
+-----------+-----------+-----------+-----------+-----------+-----------+-------+
| VAR1      | VAL11     | VAR2      | VAL21     | VAR3      | VAL31     |     1 |
| VAR1      | VAL12     | VAR4      | VAL41     | VAR2      | VAL22     |     2 |
+-----------+-----------+-----------+-----------+-----------+-----------+-------+

我试图实现的是(在支点(：

+------+-------+-------+-------+-------+
| Rank | VAR1  | VAR2  | VAR3  | VAR4  |
+------+-------+-------+-------+-------+
|    1 | VAL11 | VAL21 | VAL31 | NaN   |
|    2 | VAL12 | VAL22 | NaN   | VAL41 |
+------+-------+-------+-------+-------+

有多个变量，每个变量都有多个值。我正在尝试的是在列中标记所有变量的名称，并在行中分别标记它们的值。如果没有，请将其留空或为Null

我尝试使用以下代码(但无法实现所需的输出(：

(df.set_index('Rank')
.groupby(level='Rank')
.apply(lambda g: g.apply(pd.value_counts))
.unstack(level=1)
.fillna(0))

(df.set_index('Rank').stack()
.groupby(level=[0,1])
.value_counts()
.unstack(level=[1,2])
.fillna(0)
.sort_index(axis=1))

df_out = pd.wide_to_long(df, ['Comb_Col', 'Comb_Val'], 'Rank', 'No').reset_index()
.pivot('Rank', 'Comb_Col', 'Comb_Val')

如有任何帮助，我们将不胜感激。

提前感谢！

Answer 1

我尝试将列和值与秩一起分离，重命名它们，然后合并。

+-----------+-----------+-------+    +-----------+-----------+-------+
| Comb_Col1 | Comb_Val1 | Rank  |    | Comb_Col1 | Comb_Val1 | Rank  |
+-----------+-----------+-------+    +-----------+-----------+-------+
| VAR1      | VAL11     |     1 |    | VAR3      | VAL31     |     1 |
| VAR1      | VAL12     |     2 |    | VAR2      | VAL22     |     2 |
+-----------+-----------+-------+    +-----------+-----------+-------+
+-----------+-----------+-------+
| Comb_Col1 | Comb_Val1 | Rank  |
+-----------+-----------+-------+
| VAR2      | VAL21     |     1 |
| VAR4      | VAL41     |     2 |
+-----------+-----------+-------+

之后，简单的透视查询就起作用了！

df.pivot(index = Rank,
columns ='Comb_Col1',
values = ['Comb_Val1']
)