Jak obracać pandy dataframe

Question

że mamy DataFrame, który wygląda tak:

day_of_week ice_cream  count proportion 
0 Friday vanilla  638  0.094473 
1 Friday chocolate  2048 0.663506 
2 Friday strawberry 4088 0.251021 
3 Monday vanilla  448  0.079736 
4 Monday chocolate  2332 0.691437 
5 Monday strawberry 441  0.228828 
6 Saturday vanilla  24  0.073350 
7 Saturday chocolate  244  0.712930 ... ... 

Chcę nowy DataFrame że załamuje się na day_of_week jako wskaźnik więc wygląda to tak:

day_of_week vanilla chocolate strawberry 
0 Friday  0.094473 0.663506 0.251021 
1 Monday  0.079736 0.691437 0.228828 
2 Saturday ...  ...   ... 

Jaki jest najczystszy sposób, w jaki mogę to wdrożyć?

Answer 1

df.pivot_table jest poprawne rozwiązanie:

In[31]: df.pivot_table(values='proportion', index='day_of_week', columns='ice_cream').reset_index() 
Out[31]: 
    ice_cream day_of_week chocolate strawberry vanilla 
0    Friday 0.663506 0.251021 0.094473 
1    Monday 0.691437 0.228828 0.079736 
2   Saturday 0.712930   NaN 0.073350 

Jeśli pominąć reset_index() będzie rzeczywiście powrócić indeksowany dataframe, co może być bardziej przydatne dla Ciebie.

Należy zauważyć, że tabela przestawna koniecznie wykonuje redukcję wymiarów, gdy kolumna values nie jest funkcją krotki (index, columns). Jeśli istnieje wiele par (index, columns) o różnych wartościach valuepivot_table, zmniejsz rozmiar do jednego za pomocą funkcji agregacji, domyślnie mean.

Answer 2

Szukasz pivot_table

df = pd.pivot_table(df, index='day_of_week', columns='ice_cream', values = 'proportion') 

Otrzymasz:

ice_cream chocolate strawberry vanilla 
day_of_week   
Friday  0.663506 0.251021 0.094473 
Monday  0.691437 0.228828 0.079736 
Saturday 0.712930 NaN   0.073350 

Answer 3

Zastosowanie tabeli przestawnej:

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'day_of_week':['Friday','Sunday','Monday','Sunday','Friday','Friday'], \ 
'count':[200,300,100,50,110,90], 'ice_cream':['choco','vanilla','vanilla','choco','choco','straw'],\ 
'proportion':[.9,.1,.2,.3,.8,.4]}) 

print df 

# If you like replace np.nan with zero 
tab = pd.pivot_table(df,index='day_of_week',columns='ice_cream', values=['proportion'],fill_value=np.nan) 
print tab 

wyjściowa:

count day_of_week ice_cream proportion 
0 200  Friday  choco   0.9 
1 300  Sunday vanilla   0.1 
2 100  Monday vanilla   0.2 
3  50  Sunday  choco   0.3 
4 110  Friday  choco   0.8 
5  90  Friday  straw   0.4 
      proportion    
ice_cream  choco straw vanilla 
day_of_week       
Friday   0.85 0.4  NaN 
Monday    NaN NaN  0.2 
Sunday   0.30 NaN  0.1 

Answer 4

Korzystanie set_index i unstack

df.set_index(['day_of_week', 'ice_cream']).proportion.unstack() \ 
    .reset_index().rename_axis([None], 1) 

    day_of_week chocolate strawberry vanilla 
0  Friday 0.663506 0.251021 0.094473 
1  Monday 0.691437 0.228828 0.079736 
2 Saturday 0.712930   NaN 0.073350 

rozrządu vs pivot_table