在熊猫中旋转 XML 数据，并将标记作为熊猫数据帧的标头

Question

我已经将XML数据转换为熊猫数据帧。现在，我希望透视数据以达到我理想的df输出。请帮助我。

我目前的出局：

data                name
0      Aruba               Country or Area
1      Population, total   Item
2      1960                Year
3      54211               Value
4      Aruba               Country or Area
5      Population, total   Item
6      1961                Year
7      55438               Value
8      Aruba               Country or Area
9      Population, total   Item
10     1962                Year
11     56225               Value
12     Aruba               Country or Area
13     Population, total   Item
14     1963                Year
15     56695               Value
16     Aruba               Country or Area
17     Population, total   Item
18     1964                Year
19     57032               Value

我直接粘贴我用来透视的最后一行。

xml_df = xml_df.pivot(index='data', columns='name')

预期输出：

Country or Area   Year     Item                 Value
Aruba             1960     Population, total    54211
Aruba             1961     Population, total    55348

等。。。

Answer 1

IIUC，您可以在name和cumcount上尝试groupby，后跟unstack：

df.assign(k=df.groupby('name').cumcount()).set_index(['k','name']).unstack()

---

data                                
name Country or Area               Item  Value  Year
k                                                   
0              Aruba  Population, total  54211  1960
1              Aruba  Population, total  55438  1961
2              Aruba  Population, total  56225  1962
3              Aruba  Population, total  56695  1963
4              Aruba  Population, total  57032  1964

详：cumcount()

df.groupby('name').cumcount()

这按名称和Numbers each item in each group from 0 to the length of that group - 1分组，并使用df.assign()为数据帧分配一个新的列k。然后使用set_index()wee 将名称和k列设置为索引，以便获得：

print(df.assign(k=df.groupby('name').cumcount()).set_index(['k','name']))
data
k name                              
0 Country or Area              Aruba
Item             Population, total
Year                          1960
Value                        54211
1 Country or Area              Aruba
Item             Population, total
Year                          1961
Value                        55438
2 Country or Area              Aruba
Item             Population, total
Year                          1962
Value                        56225
.......
.....

使用此数据，我们使用unstack()，这有助于">透视(必然分层的(索引标签的级别，返回具有新级别的列标签的数据帧，其最内层由透视索引标签组成"，因此这会根据需要将索引的最后一个级别(默认情况下(转换为列。

Answer 2

另一种使用枢轴的方式：

df['idx'] = df.name.eq('Country or Area').cumsum()
df.pivot(index='idx', columns='name', values='data')

输出：

name Country or Area               Item  Value  Year
idx                                                 
1              Aruba  Population, total  54211  1960
2              Aruba  Population, total  55438  1961
3              Aruba  Population, total  56225  1962
4              Aruba  Population, total  56695  1963
5              Aruba  Population, total  57032  1964