python - 每个日期的点数总和按列表形式的附加列分组

Question

我想从 pandas 数据框中获取每个日期的某些技术的点数总和。一个可重现的例子:

data = pd.DataFrame(
        {'date': ['2017-01-31', '2017-02-28', '2017-02-28'],
        'tech': [['c++', 'python'], ['c++', 'c', 'java'], ['java']],
        'score': [1, 4, 2]}
        )

最终结果可能如下所示(或者在行和列中包含每个日期和技术的计数的名称):

date        c++     python  c   java
2017-01-31  1       1       4   0
2017-02-28  4       0       4   6

分数(score 列)应根据日期和技术进行汇总。按日期和技术分组的解决方案是不可能的，因为每一行都可以包含多种编程语言/框架。我写了下面的代码:

(pd.DataFrame({'tech': data[['tech']].values.tolist(),
               'score': data['score'].values,
               'date': data['date'].values}).groupby(['date','tech']))['score'].sum()

产生错误:

TypeError: unhashable type: 'list'

所以我认为按列表分组是不可能的。我知道上面给出的想法不会按技术拆分数据，但是，我不知道如何使用 score 列(甚至多个列)来做到这一点。

Answer 1

我们可以将您的原始数据转换成这种格式

s=data.tech.str.len()
newdf=pd.DataFrame({'date':data.date.repeat(s),'score':data.score.repeat(s),'tech':np.concatenate(data.tech.values)})
newdf
Out[477]: 
         date  score    tech
0  2017-01-31      1     c++
0  2017-01-31      1  python
1  2017-02-28      4     c++
1  2017-02-28      4       c
1  2017-02-28      4    java
2  2017-02-28      2    java

然后，我们使用pivot_table

pd.pivot_table(newdf,index='date',columns='tech',values='score',aggfunc='sum',fill_value=0)
Out[476]: 
tech        c  c++  java  python
date                            
2017-01-31  0    1     0       1
2017-02-28  4    4     6       0