背景資料這個問題和我之前的問題密切相關(guān)。不幸的是，雖然構(gòu)成了一個一般性的例子，但它不夠具體，無法應(yīng)用于我的個人問題。這就是為什么這個問題更具體。示例 - 代碼片段import pandas as pdimport numpy as npinp = [{'ID_Code':1,'information 1':[10,22,44],'information 2':[1,0,1]}, {'ID_Code':2,'information 1':[400,323],'information 2':[1,1]}, {'ID_Code':2,'information 1':[243],'information 2':[0]}, {'ID_Code':2,'information 1':[333,555],'information 2':[0]}, {'ID_Code':3,'information 1':[12,27,43,54],'information 2':[1,0,1,1]}, {'ID_Code':3,'information 1':[31,42,13,14],'information 2':[1,0,0,0]}, {'ID_Code':3,'information 1':[14,24,34,14],'information 2':[1,0,1,1]}, {'ID_Code':4,'information 1':[15,25,33,44],'information 2':[0,0,0,1]}, {'ID_Code':5,'information 1':[12,12,13,14],'information 2':[1,1,1,0]}, {'ID_Code':5,'information 1':[12,12,13,24],'information 2':[1,0,1,1]}, {'ID_Code':5,'information 1':[21,22,23,14],'information 2':[1,1,1,1]}, {'ID_Code':6,'information 1':[10,12,23,4],'information 2':[1,0,1,0]}, {'ID_Code':7,'information 1':[112,212,143,124],'information 2':[0,0,0,0]}, {'ID_Code':7,'information 1':[211,321],'information 2':[1]}, {'ID_Code':7,'information 1':[431],'information 2':[1,0]}, {'ID_Code':8,'information 1':[1,2,3,4],'information 2':[1,0,0,1]}]df = pd.DataFrame(inp)df1=df.groupby("ID_Code")["information 1"].apply(list).to_frame()df2=df.groupby("ID_Code")["information 2"].apply(list).to_frame()df3=pd.concat([df1, df2],axis=1, sort=False)其中 ID_Code 不再是列而是索引。這是我在上一個問題中沒有指定的問題。
1 回答
千萬里不及你
TA貢獻(xiàn)1784條經(jīng)驗 獲得超9個贊
它對我有用， Datanovice在上一個問題中給出的答案對索引進(jìn)行了一些更改。
正如問題所述，問題在于'ID_Code'成為索引而不是列。所以我的解決方案涉及添加一個具有唯一 ID_Code 的列。為此，我找到了兩種可能的方法。
解決方案 1
.unique()與 as .unique() 結(jié)合使用會pd.Dataframe()返回一個 numpy.ndarray，它必須再次轉(zhuǎn)換為 Dataframe。
df4 = pd.DataFrame(df['ID_Code'].unique(),columns=['ID_Code'],index=df['ID_Code'].unique())
df5 = pd.concat([df4,df3],axis=1)
col = 'ID_Code'
cond = [df5[col].eq(1),
df5[col].isin([5,7])]
outputs = [3,2]
df5[col] = np.select(cond,outputs,default=df5[col])
df6 = df5.groupby(col).sum()
方案二
用于將.reset_index()ID_Code 從索引中移出到單獨的列中。
df3 = df3.reset_index()
col = 'ID_Code'
cond = [df3[col].eq(1),
df3[col].isin([5,7])]
outputs = [3,2]
df3[col] = np.select(cond,outputs,default=df3[col])
df4 = df3.groupby(col).sum()
添加回答
舉報
0/150
提交
取消