如何解開完全融化的桌子

我有這個df我已經融化的資料框，然后使用 pd.pivot_table 我能夠恢復表結構，至少查看看起來如此的行 - 但索引變成了MultiIndex型別 - 有沒有辦法改回RangeIndex它在原版中df

以下是步驟

>>> import pandas as pd
>>> df = pd.DataFrame({'Name': ['Bob', 'John', 'Foo', 'Bar', 'Alex', 'Tom'], 
                   'Math': ['A ', 'B', 'A', 'F', 'D', 'C'], 
                   'Mental Math': ['A', 'A', 'B', 'C', 'E', 'B'], 
                   'English': ['C', 'B', 'B', 'A ', 'F', 'A'],
                   'Bengali': ['C', 'C', 'A', 'B', 'A ', 'B'],
                   'Age': [13, 16, 16, 15, 15, 13]})
>>> print(df)
    Name Math Mental Math English Bengali  Age
0   Bob   A            A       C       C   13
1  John    B           A       B       C   16
2   Foo    A           B       B       A   16
3   Bar    F           C      A        B   15
4  Alex    D           E       F      A    15
5   Tom    C           B       A       B   13

>>> d = df.melt(var_name='Column', value_name='Value')
>>> print(d)

          Column Value
0          Name   Bob
1          Name  John
2          Name   Foo
3          Name   Bar
4          Name  Alex
5          Name   Tom
6          Math    A 
7          Math     B
8          Math     A
9          Math     F
10         Math     D
11         Math     C
12  Mental Math     A
13  Mental Math     A
14  Mental Math     B
15  Mental Math     C
16  Mental Math     E
17  Mental Math     B
18      English     C
19      English     B
20      English     B
21      English    A 
22      English     F
23      English     A
24      Bengali     C
25      Bengali     C
26      Bengali     A
27      Bengali     B
28      Bengali    A 
29      Bengali     B
30          Age    13
31          Age    16
32          Age    16
33          Age    15
34          Age    15
35          Age    13

是否可以像在原始索引中一樣回傳原始表使用 pandas.pivot_table 嘗試回傳原始資料幀，但如果您看到索引現在已成為 MultiIndex 型別

>>> df_back = pd.pivot_table(data = d, index=['Name','Age'], columns=['Column'], aggfunc=''.join, margins=False)

>>> print(df_back)

             Value                         
Column   Bengali English Math Mental Math
Name Age                                 
Alex 15       A        F    D           E
Bar  15        B      A     F           C
Bob  13        C       C   A            A
Foo  16        A       B    A           B
John 16        C       B    B           A
Tom  13        B       A    C           B

>>> print(df_back.index)

MultiIndex([('Alex', 15),
            ( 'Bar', 15),
            ( 'Bob', 13),
            ( 'Foo', 16),
            ('John', 16),
            ( 'Tom', 13)],
           names=['Name', 'Age'])

>>> print(df.index)

RangeIndex(start=0, stop=6, step=1)

uj5u.com熱心網友回復：

正如@mozway 所說，您的代碼不起作用，必須缺少某些步驟

但是從 d 到 df 你可以使用unstack. 您需要一個唯一索引才能作業，因此這是'count'列的來源

(d.assign(count = np.arange(len(d))%6)
    .set_index(['count','Column'])
    .unstack(level=1)
    .reset_index(drop = True)
    .droplevel(level = 0, axis=1)
)

輸出

      Age  Bengali    English    Math    Mental Math    Name
--  -----  ---------  ---------  ------  -------------  ------
 0     13  C          C          A       A              Bob
 1     16  C          B          B       A              John
 2     16  A          B          A       B              Foo
 3     15  B          A          F       C              Bar
 4     15  A          F          D       E              Alex
 5     13  B          A          C       B              Tom

uj5u.com熱心網友回復：

這是一種方法：

(i)groupby 'Column'并申請pd.Series每組'Value'

(ii) unstack0級

d = df.melt(var_name='Column', value_name='Value')
out = d.groupby('Column')['Value'].apply(lambda x: pd.Series(list(x))).unstack(0).rename_axis([None], axis=1)

另一種方法是創建一個“索引”列并使用pivot：

out = d.assign(index=np.arange(len(d))





      
  
      轉載請註明出處，本文鏈接：https://www.uj5u.com/net/412444.html
      
標籤：
      
上一篇：將資料框串列組合成R中的新資料框
下一篇：用一列擴展資料框，僅使用正數