我在標(biāo)題中解釋問題時有點(diǎn)麻煩偶然地，我們將 Pandas 數(shù)據(jù)框轉(zhuǎn)向了這個：df = pd.DataFrame(np.array([[1,1,2], [1,2,1], [2,1,2], [2,2,2],[3,1,3]]),columns=['id', '3s', 'score'])id 3s score1 1 21 2 12 1 2 2 2 2 3 1 3但是我們需要取消堆疊，所以 df 看起來像這樣（原始版本）： '3s' 列 'unpivots' 到由 3 個具有 0 和 1 的有序列按順序相加的離散集。因此，如果我們有'3s'= 2相應(yīng)的列（第二組 3s）中'score'= 2的值將是（按順序排列 3 個中的 2 個）[1,1,0]['4','5','6']iddf2 = pd.DataFrame(np.array([[1,1,1,0,1,0,0], [2,1,1,0,1,1,0], [3,1,1,1,np.nan,np.nan,np.nan] ]),columns=['id', '1', '2','3','4','5','6'])id 1 2 3 4 5 61 1 1 0 1 0 02 1 1 0 1 1 0 3 1 1 1 非常感謝任何幫助！ （請救救我）
2 回答
HUWWW
TA貢獻(xiàn)1874條經(jīng)驗(yàn) 獲得超12個贊
利用：
n = 3
df2 = df.reindex(index = df.index.repeat(n))
new_df = (df2.assign(score = df2['score'].gt(df2.groupby(['id','3s'])
.id
.cumcount())
.astype(int),
columns = df2.groupby('id').cumcount().add(1))
.pivot_table(index = 'id',
values='score',
columns = 'columns',
fill_value = '')
.rename_axis(columns = None)
.reset_index())
print(new_df)
輸出
id 1 2 3 4 5 6
0 1 1.0 1.0 0.0 1 0 0
1 2 1.0 1.0 0.0 1 1 0
2 3 1.0 1.0 1.0
如果你愿意，你可以使用fill_value = 0
id 1 2 3 4 5 6
0 1 1 1 0 1 0 0
1 2 1 1 0 1 1 0
2 3 1 1 1 0 0 0
墨色風(fēng)雨
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超6個贊
這應(yīng)該可以解決問題：
for gr in df.groupby('3s').groups:
for i in range(1,4):
df[str(i+(gr-1)*3)]=np.where((df['3s'].eq(gr))&(df['score'].ge(i)), 1,0)
df=df.drop(['3s', 'score'], axis=1).groupby('id').max().reset_index()
輸出：
id 1 2 3 4 5 6
0 1 1 1 0 1 0 0
1 2 1 1 0 1 1 0
2 3 1 1 1 0 0 0
添加回答
舉報
0/150
提交
取消