pandas 转换数据为每组一行的宽表

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在数据形式的展示上，为了方便观察，我们有时需要对分组数据展示一个行上，这样可以以分组的视角去看数据，这个过程没有聚合计算。在本例中，我们就可实现一个这样相对实用却有点复杂的 pandas 数据格式转换案例。

数据与需求

我们的源数据如下：

import pandas as pd
from io import StringIO

data = '''
id,D,M,U
1,x1,x2,x3
1,y1,,y3
1,z1,z2,z3
2,a1,a2,a3
2,b1,b2,
3,c1,,
4,,d2,d3
'''

df = pd.read_csv(StringIO(data))
'''
   id    D    M    U
0   1   x1   x2   x3
1   1   y1  NaN   y3
2   1   z1   z2   z3
3   2   a1   a2   a3
4   2   b1   b2  NaN
5   3   c1  NaN  NaN
6   4  NaN   d2   d3
'''

这是一个有点稀疏的数据，它的 id 列是一个分类数据，其他的都是文本。

文本数据存在一定的规律，后缀的值刚好是 DMU 三个字母的顺序号。

需求是想最终得到如下的数据：

# 目标数据结果
'''
     D1   M1   U1   D2   M2   U2   D3   M3   U3
id
1    x1   x2   x3   y1  NaN   y3   z1   z2   z3
2    a1   a2   a3   b1   b2  NaN  NaN  NaN  NaN
3    c1  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN
4   NaN   d2   d3  NaN  NaN  NaN  NaN  NaN  NaN
'''

即按 id 分组，并将组内的多行数据转为一个宽行，DMU 有三列，组内最多有三行，那么想得到 9 一数据。

每个列由 DMU 加后缀序号组成，后缀对应值为在组内行顺序，数据值为此规则的对应值。

接下来，我们分析完成这个需求。

思路

将数据按 id 分组，所得的每组 DataFrame 转为一个 Series，就得到了一个堆叠形式的数据。再将这个堆叠的数据解答堆叠就基本得到了我们要的数据。

最后按要求重新设置列名即可。

代码

先将数据的索引设置为 id，方便后续操作：

df = df.set_index('id')
df
'''
      D    M    U
id
1    x1   x2   x3
1    y1  NaN   y3
1    z1   z2   z3
2    a1   a2   a3
2    b1   b2  NaN
3    c1  NaN  NaN
4   NaN   d2   d3
'''

按索引分组，对分组后的每个子 DataFrame 利用 NumPy 的 array 方法展平，即将二维结构转为一个一维结构，再读入 Series：

(
    df.groupby(level=0)
    .apply(lambda x: pd.Series(x.to_numpy().flatten()))
)
'''
id
1   0     x1
    1     x2
    2     x3
    3     y1
    4    NaN
    5     y3
    6     z1
    7     z2
    8     z3
2   0     a1
    1     a2
    2     a3
    3     b1
    4     b2
    5    NaN
3   0     c1
    1    NaN
    2    NaN
4   0    NaN
    1     d2
    2     d3
dtype: object
'''

得到了一个堆叠数据，接下来们解除堆叠便可得到想要的数据。

(
    df.groupby(level=0)
    .apply(lambda x: pd.Series(x.to_numpy().flatten()))
    .unstack()
)
'''
      0    1    2    3    4    5    6    7    8
id
1    x1   x2   x3   y1  NaN   y3   z1   z2   z3
2    a1   a2   a3   b1   b2  NaN  NaN  NaN  NaN
3    c1  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN
4   NaN   d2   d3  NaN  NaN  NaN  NaN  NaN  NaN
'''

最后我们构造并修改列的索引标签值：

(
    df.groupby(level=0)
    .apply(lambda x: pd.Series(x.to_numpy().flatten()))
    .unstack()
    .set_axis([f'{c}{i}' for i in range(1, 4) for c in df.columns],
              axis=1
             )
)
'''
     D1   M1   U1   D2   M2   U2   D3   M3   U3
id
1    x1   x2   x3   y1  NaN   y3   z1   z2   z3
2    a1   a2   a3   b1   b2  NaN  NaN  NaN  NaN
3    c1  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN
4   NaN   d2   d3  NaN  NaN  NaN  NaN  NaN  NaN
'''

这样就得到了最终需要的数据。

（完）

pandas 转换数据为每组一行的宽表

数据与需求

思路

代码

相关内容