さまざまな階層レベルで月次カウントがあるパンダデータフレームがあります。これは長い形式であり、集計の各レベルの列を持つ広い形式に変換したいと思います。
次の形式です。
date | country | state | county | population
01-01| cc1 | s1 | c1 | 5
01-01| cc1 | s1 | c2 | 4
01-01| cc1 | s2 | c1 | 10
01-01| cc1 | s2 | c2 | 11
02-01| cc1 | s1 | c1 | 6
02-01| cc1 | s1 | c2 | 5
02-01| cc1 | s2 | c1 | 11
02-01| cc1 | s2 | c2 | 12
.
.
これを次の形式に変換したいと思います。
date | country_pop| s1_pop | s2_pop| .. | s1_c1_pop | s1_c2_pop| s2_c1_pop | s2_c2_pop|..
01-01| 30 | 9 | 21 | ...| 5 | 4 | 10 | 11 |..
02-01| 34 | 11 | 23 | ...| 6 | 5 | 11 | 12 |..
.
.
状態の総数は、4、s1 .... s4です。
また、各州の郡にはc1 .... c10というラベルを付けることができます（州によってはそれより少ない場合があり、それらの列をゼロにします。）
集計の各レベルで、日付順に時系列を取得したいと思います。どうすればこれを入手できますか？
この方法で、レベルパラメータを指定したsumと、すべてのデータフレームを一緒にpd.concatを使用して実行しましょう。
#Aggregate to lowest level of detail
df_agg = df.groupby(['country', 'date', 'state', 'county'])[['population']].sum()
#Reshape dataframe and flatten multiindex column header
df_county = df_agg.unstack([-1, -2])
df_county.columns = [f'{s}_{c}_{p}' for p, c, s in df_county.columns]
#Sum to next level of detail and reshape
df_state = df_agg.sum(level=[0, 1, 2]).unstack()
df_state.columns = [f'{s}_{p}' for p, s in df_state.columns]
#Sum to country level
df_country = df_agg.sum(level=[0, 1])
#pd.concat horizontally with axis=1
df_out = pd.concat([df_country, df_state, df_county], axis=1).reset_index()
出力：
country date population s1_population s2_population s1_c1_population \
0 cc1 01-01 30 9 21 5
1 cc1 02-01 34 11 23 6
s1_c2_population s2_c1_population s2_c2_population
0 4 10 11
1 5 11 12
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加