>假设我有这个数据帧:
df = pd.DataFrame({'index':['10a','10a','10a','20b','20b','20b','30c','30c','30c']
,'var_vals': ['aaa','aaa','abb','bbb','bba','bbb','ccc','ccc','cab']
,'var2_vals':['aga','aga','add','bgb','bbd','bgb','cdd','cdd','cda']})
display(df)
看起来像这样:
index var_vals var2_vals
0 10a aaa aga
1 10a aaa aga
2 10a abb add
3 20b bbb bgb
4 20b bba bbd
5 20b bbb bgb
6 30c ccc cdd
7 30c ccc cdd
8 30c cab cda
如何将输出转换为一行,仅在新列中显示不同之处:
index var_vals var_vals_0 var2_vals var2_vals_0
0 10a aaa abb aga add
1 20b bbb bba bgb bbd
2 30c ccc cab cdd cda
我尝试过分组、透视/pivot_table、堆叠/取消堆叠和融化,但我要么最终获得巨大的维度,要么数据丢失。
这是另一个:
newdf = pd.DataFrame(df.groupby('index')['var_vals'].unique().tolist()).fillna('')
- tolist(( 将数据传递回 list-format,这使我们能够重新创建数据帧,再次将其传递给 PD。数据帧((
- Fillna处理了您可以拥有不同数量的唯一身份的事实。
更新的代码:
dfs = (pd.DataFrame(df.groupby('index')[i].unique().tolist()).fillna('').add_prefix(i+'_')
for i in df.drop('index', 1))
df = pd.concat(dfs, axis=1)
完整示例
进口大熊猫作为PD
df = pd.DataFrame({'index':['10a','10a','10a','20b','20b','20b','30c','30c','30c']
,'var_vals': ['aaa','aaa','abb','bbb','bba','bbb','ccc','ccc','cab']
,'var2_vals':['aga','aga','add','bgb','bbd','bgb','cdd','cdd','cda']})
df = pd.concat(
(pd.DataFrame(df.groupby('index')[i].unique().tolist()).fillna('').add_prefix(i+'_')
for i in df.drop('index', 1)), axis=1)
print(df)
返回:
var2_vals_0 var2_vals_1 var_vals_0 var_vals_1
0 aga add aaa abb
1 bgb bbd bbb bba
2 cdd cda ccc cab
一种通过groupby.apply
的方法:
df.groupby('index')['var_vals'].apply(lambda x: pd.Series(x.unique())).unstack()
0 1
index
10a aaa abb
20b bbb bba
30c ccc cab
将drop_duplicates
与pivot
一起使用
df.drop_duplicates().assign(key=lambda x : x.groupby('index').cumcount()).pivot('index','key','var_vals')
Out[910]:
key 0 1
index
10a aaa abb
20b bbb bba
30c ccc cab
使用默认构造函数的另一种方法
x = df.drop_duplicates().groupby('index').var_vals.agg(list).to_dict()
pd.DataFrame(x).T
0 1
10a aaa abb
20b bbb bba
30c ccc cab
时间(我猜略微非常相似(:
df = pd.concat([df]*10000).reset_index(drop=True)
%%timeit
x = df.drop_duplicates().groupby('index').var_vals.agg(list).to_dict()
pd.DataFrame(x).T
7.92 ms ± 224 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%%timeit
df.drop_duplicates().assign(key=lambda x : x.groupby('index').cumcount()).pivot('index','key','var_vals')
8.81 ms ± 74.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%%timeit
df.groupby('index')['var_vals'].apply(lambda x: pd.Series(x.unique())).unstack()
8.83 ms ± 187 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%%timeit
pd.DataFrame(df.groupby('index')['var_vals'].unique().tolist())
13.3 ms ± 705 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)