tutorial - funciones panda python
Pandas de largo a ancho remodelado, por dos variables (5)
Aquí hay otra solución más completa, tomada del sitio de Chris Albon .
Crear un marco de datos "largo"
raw_data = {''patient'': [1, 1, 1, 2, 2],
''obs'': [1, 2, 3, 1, 2],
''treatment'': [0, 1, 0, 1, 0],
''score'': [6252, 24243, 2345, 2342, 23525]}
df = pd.DataFrame(raw_data, columns = [''patient'', ''obs'', ''treatment'', ''score''])
Hacer un dato "ancho"
df.pivot(index=''patient'', columns=''obs'', values=''score'')
Tengo datos en formato largo y estoy tratando de remodelar a lo ancho, pero no parece haber una forma sencilla de hacerlo usando derretir / apilar / desapilar
Salesman Height product price
Knut 6 bat 5
Knut 6 ball 1
Knut 6 wand 3
Steve 5 pen 2
Se convierte en
Salesman Height product_1 price_1 product_2 price_2 product_3 price_3
Knut 6 bat 5 ball 1 wand 3
Steve 5 pen 2 NA NA NA NA
Creo que Stata puede hacer algo como esto con el comando remodelar.
Remodelando documentos están here
Está buscando pd.wide_to_long() (que es el análogo directo del comando stata)
Un poco viejo pero lo publicaré para otras personas.
Lo que desea puede lograrse, pero probablemente no debería desearlo;) Pandas admite índices jerárquicos tanto para filas como para columnas. En Python 2.7.x ...
from StringIO import StringIO
raw = ''''''Salesman Height product price
Knut 6 bat 5
Knut 6 ball 1
Knut 6 wand 3
Steve 5 pen 2''''''
dff = pd.read_csv(StringIO(raw), sep=''/s+'')
print dff.set_index([''Salesman'', ''Height'', ''product'']).unstack(''product'')
Produce una representación probablemente más conveniente de lo que buscabas
price
product ball bat pen wand
Salesman Height
Knut 6 1 5 NaN 3
Steve 5 NaN NaN 2 NaN
La ventaja de usar set_index y desapilar frente a una función única como pivote es que puede dividir las operaciones en pequeños pasos claros, lo que simplifica la depuración.
Un simple pivote podría ser suficiente para sus necesidades, pero esto es lo que hice para reproducir su salida deseada:
df[''idx''] = df.groupby(''Salesman'').cumcount()
Simplemente agregando un contador / índice dentro del grupo obtendrá la mayor parte del camino, pero las etiquetas de las columnas no serán las que usted desea:
print df.pivot(index=''Salesman'',columns=''idx'')[[''product'',''price'']]
product price
idx 0 1 2 0 1 2
Salesman
Knut bat ball wand 5 1 3
Steve pen NaN NaN 2 NaN NaN
Para acercarme a la salida deseada, agregué lo siguiente:
df[''prod_idx''] = ''product_'' + df.idx.astype(str)
df[''prc_idx''] = ''price_'' + df.idx.astype(str)
product = df.pivot(index=''Salesman'',columns=''prod_idx'',values=''product'')
prc = df.pivot(index=''Salesman'',columns=''prc_idx'',values=''price'')
reshape = pd.concat([product,prc],axis=1)
reshape[''Height''] = df.set_index(''Salesman'')[''Height''].drop_duplicates()
print reshape
product_0 product_1 product_2 price_0 price_1 price_2 Height
Salesman
Knut bat ball wand 5 1 3 6
Steve pen NaN NaN 2 NaN NaN 5
Edición: si desea generalizar el procedimiento a más variables, creo que podría hacer algo como lo siguiente (aunque podría no ser lo suficientemente eficiente):
df[''idx''] = df.groupby(''Salesman'').cumcount()
tmp = []
for var in [''product'',''price'']:
df[''tmp_idx''] = var + ''_'' + df.idx.astype(str)
tmp.append(df.pivot(index=''Salesman'',columns=''tmp_idx'',values=var))
reshape = pd.concat(tmp,axis=1)
@Luke dijo:
Creo que Stata puede hacer algo como esto con el comando remodelar.
Puede, pero creo que también necesita un contador dentro del grupo para obtener la remodelación en stata para obtener el resultado deseado:
+-------------------------------------------+
| salesman idx height product price |
|-------------------------------------------|
1. | Knut 0 6 bat 5 |
2. | Knut 1 6 ball 1 |
3. | Knut 2 6 wand 3 |
4. | Steve 0 5 pen 2 |
+-------------------------------------------+
Si agrega idx entonces podría hacer remodelación en stata :
reshape wide product price, i(salesman) j(idx)
pivoted = df.pivot(''salesman'', ''product'', ''price'')
pg. Python 192 para análisis de datos