【随笔】Pandas三种实现数据透视表的方法

AI蜗牛车

前言

主要想做的事情用大白话来讲就是：一个dataframe里面对于两个列做分组，最后算一个value对应于这两个列的分组来算值的矩阵，这个矩阵的行为其中一个列，列也为其中一个列。

新建一个df

import pandas as pd
import numpy as np
v = [1, 2, 3, 3, 3]
a = pd.DataFrame({'v': v})
d = [2 , 4, 4, 5, 4]
a['d'] = d
c = ['c' , 'h', 'd', 'e',  'c']
a['c'] = c

df用两列进行分组grouby

a.groupby(['v', 'd'])['c'].count()

我的要干的事情就是把这个v当作列index，d当作行columns，之后把对应的分组的’c‘.count()放到对应的索引loc处，不存在的值用0填补。

最后得到一个以v为index， d为column的df，也可以搞成对应的矩阵matrix

第一种方法：pd.crosstab

cpd = pd.crosstab(a['v'], a['d'], a['c'], aggfunc='count')

查看index和columns

我们再来一步就可以得到我们想要的了，把nan填充一下。

cpd = cpd.fillna(0)

转换为array和list的方法

cpd_arr1 = np.array(cpd)
cpd_arr2 = np.array(cpd.values.tolist())
cpd_arr3 = cpd.as_matrix()
cpd_list = cpd.values.tolist()

整体流程

cpd = pd.crosstab(a['v'], a['d'], a['c'], aggfunc='count')
cpd = cpd.fillna(0)
cpd_arr = np.array(cpd)
cpd_arr

总结一句话

np.array(pd.crosstab(a['v'], a['d'], a['c'], aggfunc='count').fillna(0))

第二种方法：pivot()

groupby的as_index=False

a.groupby(['v', 'd'], as_index=False)['c'].count()

把操作的三列的值恢复到df上，每一个列还是对应的列。

pivot

a.groupby(['v', 'd'], as_index=False)['c'].count().pivot('v', 'd', 'c')

对应关系如下：

整体流程

ppd = a.groupby(['v', 'd'], as_index=False)['c'].count().pivot('v', 'd', 'c')
ppd = ppd.fillna(0)
ppd_arr = np.array(ppd)
ppd_arr