python - Pandas DataFrame 格式化以获得预期输出

Question

在下面的 Pandas DataFrame 中，

df = pd.DataFrame({'session' : ["1","1","2","2","3","3"],
                'path'  : ["p1","p2","p1","p2","p2","p3"], 'seconds' : ["20","21","132","10","24","45"]})

我需要得到如下所示的输出。 (页面作为列， session 作为行，每个单元格中以秒为单位。)

session,p1,p2,p3
1,20,21,0
2,132,10,0
3,0,24,45

到目前为止我做了什么。

In [76]: wordlist = ['p1', 'p2', 'p3']
In [77]: df2 = pd.DataFrame(df.groupby('session').apply(lambda x: ','.join(x.path)))
In [78]: df2 #I have renamed the columns
Out[78]: 

                  path
        session       
        1        p1,p2
        2        p1,p2
        3        p2,p3

In [79]: df3 = pd.DataFrame(df.groupby('session').apply(lambda x: ','.join(x.seconds.astype(str))))
In [80]: df3 #I have renamed the columns
Out[80]: 
                   path
        session        
        1         20,21
        2        132,10
        3         24,45

以下仅给出 bool 结果。我需要得到我的预期输出。有什么帮助吗？

In [84]: pd.DataFrame({name : df2["path"].str.contains(name) for name in wordlist})
Out[84]: 
            p1    p2     p3
session                    
1         True  True  False
2         True  True  False
3        False  True   True

Answer 1

使用数据透视表:

df.pivot(index='session', columns='path')

然后将所有 Nan 替换为零:

df2 = df1.fillna(0)

这将为您提供以下输出:

        seconds        
path         p1  p2  p3
session                
1            20  21   0
2           132  10   0
3             0  24  45

然后您可能想要删除多索引列:

df1.columns = df1.columns.droplevel(0)

产生您想要的解决方案(无逗号):

path      p1  p2  p3
session             
1         20  21   0
2        132  10   0
3          0  24  45

最后你可以使用StringIO将其转换为逗号分隔的字符串:

import StringIO
s = StringIO.StringIO()
df1.to_csv(s)
print s.getvalue()

输出如下:

session,p1,p2,p3
1,20,21,0
2,132,10,0
3,0,24,45