Unmelt Pandas DataFrame

У меня есть pandas датафрейм с двумя переменными id:

df = pd.DataFrame({'id': [1,1,1,2,2,3], 
               'num': [10,10,12,13,14,15],
               'q': ['a', 'b', 'd', 'a', 'b', 'z'],
               'v': [2,4,6,8,10,12]})

   id  num  q   v
0   1   10  a   2
1   1   10  b   4
2   1   12  d   6
3   2   13  a   8
4   2   14  b  10
5   3   15  z  12

Я могу развернуть таблицу с помощью:

df.pivot('id','q','v')

И получилось что-то близкое:

q    a   b   d   z
id                
1    2   4   6 NaN
2    8  10 NaN NaN
3  NaN NaN NaN  12

Однако я действительно хочу (оригинальная нерасплавленная форма):

id   num   a   b   d   z               
1    10   2   4 NaN NaN
1    12 NaN NaN   6 NaN  
2    13   8 NaN NaN NaN
2    14 NaN  10 NaN NaN
3    15 NaN NaN NaN  12

Другими словами:

'id' и 'num' мои индексы (как правило, я видел только "id" или "num", являющийся индексом, но мне нужно обоим, так как я пытаюсь восстановить исходную нерасплавленную форму)
'q' - мои столбцы
'v' - мои значения в таблице

Обновление

Я нашел решение закрыть из блог Wes McKinney:

df.pivot_table(index=['id','num'], columns='q')

         v            
q        a   b   d   z
id num                
1  10    2   4 NaN NaN
   12  NaN NaN   6 NaN
2  13    8 NaN NaN NaN
   14  NaN  10 NaN NaN
3  15  NaN NaN NaN  12

Однако формат не совсем то же, что и выше.

Ответ 1

Ты очень близко. Просто переименуйте индекс столбца в None, и у вас есть то, что вы хотите.

df2 = df.pivot_table(index=['id','num'], columns='q')
df2.columns = df2.columns.droplevel().rename(None)
df2.reset_index().fillna("null").to_csv("test.csv", sep="\t", index=None)

Примечание, согласно которому столбец "v" должен быть по умолчанию по умолчанию, чтобы он мог быть агрегирован. В противном случае Pandas будет выходить с ошибкой:

DataError: No numeric types to aggregate

Чтобы решить эту проблему, вы можете указать свою собственную функцию агрегации с помощью пользовательской лямбда-функции:

df2 = df.pivot_table(index=['id','num'], columns='q', aggfunc= lambda x: x)

Ответ 2

Вы можете использовать set_index и unstack

In [18]: df.set_index(['id', 'num', 'q'])['v'].unstack().reset_index()
Out[18]:
q  id  num    a     b    d     z
0   1   10  2.0   4.0  NaN   NaN
1   1   12  NaN   NaN  6.0   NaN
2   2   13  8.0   NaN  NaN   NaN
3   2   14  NaN  10.0  NaN   NaN
4   3   15  NaN   NaN  NaN  12.0

Ответ 3

вы можете удалить имя q.

df1.columns=df1.columns.tolist()

Нулевой ответ + удалить q =

df1 = df.set_index(['id', 'num', 'q'])['v'].unstack().reset_index()
df1.columns=df1.columns.tolist()

   id  num    a     b    d     z
0   1   10  2.0   4.0  NaN   NaN
1   1   12  NaN   NaN  6.0   NaN
2   2   13  8.0   NaN  NaN   NaN
3   2   14  NaN  10.0  NaN   NaN
4   3   15  NaN   NaN  NaN  12.0

Ответ 4

Пришел к закрытому решению

df2 = df.pivot_table(index=['id','num'], columns='q')
df2.columns = df2.columns.droplevel()
df2.reset_index().fillna("null").to_csv("test.csv", sep="\t", index=None)

По-прежнему не удается определить, как удалить "q" из фрейма данных

Ответ 5

Это может сработать нормально:

Pivot

df2 = (df.pivot_table(index=['id', 'num'], columns='q', values='v')).reset_index())

Сопоставьте имена столбцов 1-го уровня со вторым

df2.columns =[s1 + str(s2) for (s1,s2) in df2.columns.tolist()]

Ответ 6

Это можно сделать в три этапа:

#1: Prepare auxilary column 'id_num': 
df['id_num'] = df[['id', 'num']].apply(tuple, axis=1)
df = df.drop(columns=['id', 'num'])

#2: 'pivot' is almost an inverse of melt:
df, df.columns.name = df.pivot(index='id_num', columns='q', values='v').reset_index(), ''

#3: Bring back 'id' and 'num' columns:
df['id'], df['num'] = zip(*df['id_num'])
df = df.drop(columns=['id_num'])

Это результат, но с другим порядком столбцов:

     a     b    d     z  id  num
0  2.0   4.0  NaN   NaN   1   10
1  NaN   NaN  6.0   NaN   1   12
2  8.0   NaN  NaN   NaN   2   13
3  NaN  10.0  NaN   NaN   2   14
4  NaN   NaN  NaN  12.0   3   15

Или в правильном порядке:

def multiindex_pivot(df, columns=None, values=None):
    #inspired by: https://github.com/pandas-dev/pandas/issues/23955
    names = list(df.index.names)
    df = df.reset_index()
    list_index = df[names].values
    tuples_index = [tuple(i) for i in list_index] # hashable
    df = df.assign(tuples_index=tuples_index)
    df = df.pivot(index="tuples_index", columns=columns, values=values)
    tuples_index = df.index  # reduced
    index = pd.MultiIndex.from_tuples(tuples_index, names=names)
    df.index = index
    df = df.reset_index() #me
    df.columns.name = ''  #me
    return df

df = df.set_index(['id', 'num'])
df = multiindex_pivot(df, columns='q', values='v')