如何使用 Melt 函数和字典重塑 Pandas DataFrame？

Pandas Melt 函数：重塑数据框以进行分析

问题：

考虑一个数据框多个列和一个字典:

df = pd.DataFrame([[2, 4, 7, 8, 1, 3, 2013], [9, 2, 4, 5, 5, 6, 2014] ], columns=['艾米', '鲍勃', '卡尔', '克里斯', '本', '其他', '年份'])<br>

d = {'A': ['艾米'], 'B': ['鲍勃', '本']，'C'：['卡尔'， 'Chris']}<br>

我们如何重塑数据框以类似于以下结构，其中列被熔化和分组？

 0 A Amy 2013 2<br> 1 A Amy 2014 9<br> 2 B Bob 2013 4<br> 3 B Bob 2014 2<br> 4 B Ben 2013 1<br> 5 B Ben 2014年5月<br>6℃卡尔 2013 7<br> 7 C 卡尔 2014 4<br> 8 C 克里斯 2013 8<br> 9 C 克里斯 2014 5<br>10 其他 2013 3<br>11 其他 2014 6<br>

答案：

要使用熔化函数重塑数据框，请按照以下步骤操作：

1. 融化数据框：融化数据框使用熔化功能转换为宽格式。这会将列转换为行，并使用 id_vars 参数指定应保持不变的列。

   m = pd.melt(df, id_vars=['Year'], var_name='Name')

   登录后复制

创建映射字典： 重塑字典 d 创建列名和组之间的映射

d2 = {}
for k, v in d.items():
    for item in v:
        d2[item] = k

添加 'Group': 将新创建的字典 d2 映射到 'Name' 列以添加 'Group' 列。

m['Group'] = m['Name'].map(d2)

移动'Other': 将 'Other' 值从 'Name' 列移动到 'Group' 列。

mask = m['Name'] == 'Other'
m.loc[mask, 'Name'] = ''
m.loc[mask, 'Group'] = 'Other'

生成的数据框将包含所需的扁平结构：

print(m)

    Year   Name  value Group
0   2013    Amy      2      A
1   2014    Amy      9      A
2   2013    Bob      4      B
3   2014    Bob      2      B
4   2013   Carl      7      C
...    ...    ...    ...    ...
7   2014  Chris      5      C
8   2013    Ben      1      B
9   2014    Ben      5      B
10  2013             3  Other
11  2014             6  Other

以上是如何使用 Melt 函数和字典重塑 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！