我有一個(gè)pandas像下面這樣的日期框，作為DATETIME索引： ID Val1 Val2DATETIME 2019-01-18 10:35:00 A 482.84387 439.679422019-01-18 10:35:00 B -5.30216 20.222472019-01-18 10:40:00 A -790.63989 -810.000002019-01-18 10:40:00 B 257.00000 270.554902019-01-18 10:45:00 A 10.54820 5.646592019-01-18 10:45:00 B -85.50000 -89.00000請(qǐng)注意，DATETIME對(duì)于 s 重復(fù)了ID。我的目標(biāo)是將其轉(zhuǎn)換為類似以下內(nèi)容（如果可能，列名根據(jù) ID 更改）： A_Val1 A_Val2 B_Val1 B_Val2DATETIME 2019-01-18 10:35:00 482.84387 439.67942 -5.30216 20.222472019-01-18 10:40:00 -790.63989 -810.00000 257.00000 270.554902019-01-18 10:45:00 10.54820 5.64659 -85.50000 -89.00000我用過(guò)pandas.pivot，但沒(méi)用。df_2= df_1.pivot(index=df_1.index, columns='ID', values=['Val1', 'Val2'])錯(cuò)誤是："DatetimeIndex(['2019-01-18 10:35:00', '2019-01-18 10:35:00',\n ....],\n dtype='datetime64[ns]', name='DATETIME', freq=None) not in index"我不確定從那里去哪里。如果您能提供幫助，請(qǐng)?zhí)崆爸轮x。
2 回答
森林海
TA貢獻(xiàn)2011條經(jīng)驗(yàn) 獲得超2個(gè)贊
使用DataFrame.reset_index，傳遞DATETIME給index參數(shù)并最后MultiIndex由f-strings 展平：
df_2= df_1.reset_index().pivot(index='DATETIME', columns='ID', values=['Val1', 'Val2'])
df_2.columns = df_2.columns.map(lambda x: f'{x[1]}_{x[0]}')
print (df_2)
A_Val1 B_Val1 A_Val2 B_Val2
DATETIME
2019-01-18 10:35:00 482.84387 -5.30216 439.67942 20.22247
2019-01-18 10:40:00 -790.63989 257.00000 -810.00000 270.55490
2019-01-18 10:45:00 10.54820 -85.50000 5.64659 -89.00000
滄海一幻覺(jué)
TA貢獻(xiàn)1824條經(jīng)驗(yàn) 獲得超5個(gè)贊
DataFrame.set_index另一種使用and 的方法DataFrame.unstack：
df1 = df.set_index('ID', append=True).unstack()
df1.columns = df1.columns.map(lambda c: f'{c[1]}_{c[0]}')
結(jié)果：
# print(df1)
A_Val1 B_Val1 A_Val2 B_Val2
DATETIME
2019-01-18 10:35:00 482.84387 -5.30216 439.67942 20.22247
2019-01-18 10:40:00 -790.63989 257.00000 -810.00000 270.55490
2019-01-18 10:45:00 10.54820 -85.50000 5.64659 -89.00000
添加回答
舉報(bào)
0/150
提交
取消