Pandas Dataframe Reshape/Pivot - 索引错误中的重复值

Question

我正在使用 Python 2.7 和 Pandas 0.19.2

我看过一些类似的问题/答案来解决这个问题，但仍然无法解决。

我有以下数据框:

          Date         name      objects
0   2005-11-17         Pete        6
1   2014-02-04         Rob         3
2   2012-02-13         Rob         2
3   2004-12-16         Julia       4
4   2012-02-13         Mike        9

我想按如下方式 reshape 它:

              Pete   Rob    Julia   Mike

2005-11-17     6     Nan     Nan    Nan
2014-02-04    Nan     3      Nan    Nan
2012-02-13    Nan     2      Nan    9
2004-12-16    Nan    Nan      4     Nan

我一直在尝试运行 df.pivot(index='Date', columns='name', value='objects') 但我得到一个 'index has duplicate value ' 错误。

我认为 pivot 或 pivot_table 在这些情况下工作，因为索引和列之间基本上没有“冲突”(例如，“Rob”和“2014”的多个值-02-04' 在数据框中)。

我不希望聚合 - 只是 reshape 。同样在示例中，日期未按顺序排列 - 但这无关紧要。

我觉得这应该很容易解决，但我看不到。有人可以分享一些见解吗？

提前致谢。

Answer 1

您的真实数据似乎是重复的，请参见示例:

print (df)
         Date   name  objects
0  2005-11-17   Pete        6
1  2014-02-04    Rob        3
2  2012-02-13    Rob        2
3  2004-12-16  Julia        4
4  2012-02-13   Mike        9 <-duplicates for 2012-02-13 and Mike
5  2012-02-13   Mike       18 <-duplicates for 2012-02-13 and Mike

解决方案是 pivot_table对于某些聚合函数，默认为 np.mean 但可以更改为 sum、'meadian'、first、last.

df = df.pivot_table(index='Date', columns='name', values='objects', aggfunc=np.mean)
print (df)
name        Julia  Mike  Pete  Rob
Date                              
2004-12-16    4.0   NaN   NaN  NaN
2005-11-17    NaN   NaN   6.0  NaN
2012-02-13    NaN  13.5   NaN  2.0 <-13.5 is mean
2014-02-04    NaN   NaN   NaN  3.0

另一种使用groupby、聚合函数和unstack的解决方案:

df = df.groupby(['Date','name'])['objects'].mean().unstack()
print (df)
name        Julia  Mike  Pete  Rob
Date                              
2004-12-16    4.0   NaN   NaN  NaN
2005-11-17    NaN   NaN   6.0  NaN
2012-02-13    NaN  13.5   NaN  2.0
2014-02-04    NaN   NaN   NaN  3.0

检查是否重复可用 duplicated与 boolean indexing :

df = df[df.duplicated(subset=['Date','name'], keep=False)]
print (df)
         Date  name  objects
4  2012-02-13  Mike        9
5  2012-02-13  Mike       18