python - Remodelar de largo a ancho usando nombres de columnas

pandas numpy

Question

Hola, estoy teniendo problemas para remodelar mi df.

Yo tengo:

Netflix TV DVD
0.1 0.2 0.3
0.12 0.5 0.15
0.4 0.6 0.8
0.5 0.41
0.41
0.2 

Y quiero convertir mi df para que se vea como:

Netflix [0.1, 0.12, 0.4]
TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
DVD [0.3, 0.15, 0.8, 0.41]

No estoy seguro de cómo stack () o pivot () funcionaría en un df de este tipo. Cualquier ayuda apreciada.

Answer 1

stack

El apilamiento deja caer valores nulos mientras se remodela la matriz

df.stack().groupby(level=1).agg(list)
DVD [0.3, 0.15, 0.8, 0.41]
Netflix [0.1, 0.12, 0.4]
TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
dtype: object

Answer 2

Creo que esto es lo que estás buscando:

> df.T.apply(lambda x: x.dropna().tolist(), axis=1)
Netflix [0.1, 0.12, 0.4, 0.5, 0.41, 0.2]
TV [0.2, 0.5, 0.6, 0.41]
DVD [0.3, 0.15, 0.8]
dtype: object

Answer 3

Elimine los valores perdidos por Series.dropna y Series.dropna a Series en la comprensión del diccionario:

s = pd.Series({x: df[x].dropna().tolist() for x in df.columns})
print (s)
Netflix [0.1, 0.12, 0.4]
TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
DVD [0.3, 0.15, 0.8, 0.41]
dtype: object

... o en DataFrame.apply :

s = df.apply(lambda x: x.dropna().tolist())
print (s)
Netflix [0.1, 0.12, 0.4]
TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
DVD [0.3, 0.15, 0.8, 0.41]
dtype: object

Último si necesita 2 columnas DataFrame :

df1 = s.rename_axis(''a'').reset_index(name=''b'')
print (df1)
a b
0 Netflix [0.1, 0.12, 0.4]
1 TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
2 DVD [0.3, 0.15, 0.8, 0.41]

Answer 4

Si los valores que faltan en cada columna son NaN, puede continuar con esto:

df1 = pd.DataFrame({
"Netflix": [0.1, 0.12, 0.4, None, None, None],
"TV": [0.2, 0.5, 0.6, 0.5, 0.41, 0.2],
"DVD": [0.3, 0.15, 0.8, 0.41, None, None]
}
)
print(df1)
df2 = pd.DataFrame(df1.columns, columns=["Type"])
df2["List_for_Type"] = [
list(df1[f].dropna())
for f in df1.columns
]
print(df2)

La salida correspondiente es:

 Netflix TV DVD
0 0.10 0.20 0.30
1 0.12 0.50 0.15
2 0.40 0.60 0.80
3 NaN 0.50 0.41
4 NaN 0.41 NaN
5 NaN 0.20 NaN
Type List_for_Type
0 Netflix [0.1, 0.12, 0.4]
1 TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
2 DVD [0.3, 0.15, 0.8, 0.41]

Espero que esto ayude.

Answer 5

Usando groupby con columns

df.groupby(level=0,axis=1).apply(lambda x : x.dropna().iloc[:,0].tolist())
Out[20]:
DVD [0.3, 0.15, 0.8, 0.41]
Netflix [0.1, 0.12, 0.4]
TV [0.2, 0.5, 0.6, 0.5, 0.41, 0.2]
dtype: object