Question

我有以下代码，它接受pandas数据帧的一列中的值，并使它们成为新数据帧的列。数据帧第一列中的值将成为新数据帧的索引。

从某种意义上说，我想将邻接列表转换为邻接矩阵。这是迄今为止的代码：

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，则会失败。我的问题是，有更优雅/更健壮的方式吗？

Answer 1

这看起来像a job for pivot：

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

如果您不想使用MultiIndex列，可以使用以下命令删除col3

newf.columns = newf.columns.droplevel(0)

然后会产生

col2  c  d
col1      
a     1  2
b     3  4

将列值更改为pandas中的列标题

1 个答案: