我有以下代码，该代码将pandas数据框的一列中的值用作新数据框的列。数据框第一列中的值成为新数据框的索引。
从某种意义上说，我想将一个邻接表转换成一个邻接矩阵。这是到目前为止的代码：
import pandas as pa
print "Original Data Frame"
# Create a dataframe
oldcols = {'col1':['a','a','b','b'], 'col2':['c','d','c','d'], 'col3':[1,2,3,4]}
a = pa.DataFrame(oldcols)
print a
# The columns of the new data frame will be the values in col2 of the original
newcols = list(set(oldcols['col2']))
rows = list(set(oldcols['col1']))
# Create the new data matrix
data = np.zeros((len(rows), len(newcols)))
# Iterate over each row and fill in the new matrix
for row in zip(a['col1'], a['col2'], a['col3']):
rowindex = rows.index(row[0])
colindex = newcols.index(row[1])
data[rowindex][colindex] = row[2]
newf = pa.DataFrame(data)
newf.columns = newcols
newf.index = rows
print "New data frame"
print newf
这适用于此特定实例：
Original Data Frame
col1 col2 col3
0 a c 1
1 a d 2
2 b c 3
3 b d 4
New data frame
c d
a 1 2
b 3 4
如果col3中的值不是数字，它将失败。我的问题是，是否有更优雅/更稳健的方式来做到这一点？
这看起来像是枢轴工作：
import pandas as pd
oldcols = {'col1':['a','a','b','b'], 'col2':['c','d','c','d'], 'col3':[1,2,3,4]}
a = pd.DataFrame(oldcols)
newf = a.pivot(index='col1', columns='col2')
print(newf)
产量
col3
col2 c d
col1
a 1 2
b 3 4
如果您不希望使用MultiIndex列，则可以删除col3using：
newf.columns = newf.columns.droplevel(0)
然后会产生
col2 c d
col1
a 1 2
b 3 4
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句