Python:当所需的索引系列有重复项时旋转 pandas DataFrame

Question

我有一个 pandas DataFrame my_data ，看起来像

    event_id    user_id    attended
0     13          345         1
1     14          654         0
...

因此 event_id 和 user_id 都有重复项，因为每个用户和事件组合都有一个条目。我想要做的是将其 reshape 为一个 DataFrame，其中我的索引(行)是 DISTINCT user_id's，列是 DISTINCT event_id's 和中的值给定的 (row, col) 只是他们是否出席的 bool 值 0 或 1。

看起来pivot方法是合适的，但是当然当我尝试my_data.pivot(index='user_id', columns='event_id',values='attended') 我收到索引有重复项的错误。

我想我应该先对user_id进行某种groupby，但我不想将所有参与的人数加起来 1 和 0 代表每个用户，因为我特别想将 event_id 分开作为我的新列，并单独保留每个用户参加的事件。

任何帮助将不胜感激，谢谢!

Answer 1

IIUC，pivot_table 应该给你你想要的:

>>> df = pd.DataFrame({"event_id": np.random.randint(10, 20, 20), "user_id": np.random.randint(100, 110, 20), "attended": np.random.randint(0, 2, 20)})
>>> df.pivot_table(index="user_id", columns="event_id", values="attended", 
    aggfunc=sum).fillna(0)
event_id  10  11  12  13  14  15  16  17  19
user_id                                     
101        0   0   0   1   0   0   0   0   0
103        0   0   0   0   0   0   0   0   0
104        0   0   0   0   0   0   0   0   1
105        0   0   0   0   0   0   0   0   0
106        0   0   0   0   0   0   1   0   0
107        1   0   0   0   0   0   0   1   0
108        0   0   0   1   0   0   0   0   0
109        0   0   0   0   1   0   1   0   0

如前所述，如果多行具有相同的用户/事件组合(可能不是这种情况)，则出勤率将被累加。如果您想保证帧仅由 0 和 1 组成，那么可以很容易地使用 any 或剪辑值。