将数据框转换为不同的形式答案

【问题标题】：Transform data frame to a different form将数据框转换为不同的形式
【发布时间】：2021-11-21 20:23:04
【问题描述】：

这是我的数据框。

Date	Country	Value
1/4/1971	Sweden	5.1643
1/5/1971	Sweden	5.1628
1/6/1971	Sweden	5.1614
1/7/1971	Sweden	5.1649
1/8/1971	Sweden	5.1631
1/4/1971	Canada	1.0109
1/5/1971	Canada	1.0102
1/6/1971	Canada	1.0106
1/7/1971	Canada	1.0148
1/8/1971	Canada	1.0154
1/4/1971	India	8.02
1/5/1971	India	8.00
1/6/1971	India	8.01
1/7/1971	India	8.00
1/8/1971	India	8.03

我想要上面的数据框，像下面使用 python 和 panda。

Date	Sweden	Canada	India
1/4/1971	5.1643	1.0109	8.02
1/5/1971	5.1628	1.0102	8
1/6/1971	5.1614	1.0106	8.01
1/7/1971	5.1649	1.0148	8
1/8/1971	5.1631	1.0154	8.03

请帮助我。谢谢。

【问题讨论】：

标签： python dataframe columnsorting

【解决方案1】：

您可以使用数据帧的pivot 方法来做到这一点。

代码

以下代码假定原始数据位于名为 test.csv 的文件中。

import pandas as pd

df = pd.read_csv('test.csv')

print(df)

df = df.pivot(index='Date', columns='Country', values = 'Value').reset_index()

print(df)

之前

Date	Country	Value
1/4/1971	Sweden	5.1643
1/5/1971	Sweden	5.1628
1/6/1971	Sweden	5.1614
1/7/1971	Sweden	5.1649
1/8/1971	Sweden	5.1631
1/4/1971	Canada	1.0109
1/5/1971	Canada	1.0102
1/6/1971	Canada	1.0106
1/7/1971	Canada	1.0148
1/8/1971	Canada	1.0154
1/4/1971	India	8.02
1/5/1971	India	8
1/6/1971	India	8.01
1/7/1971	India	8
1/8/1971	India	8.03

之后

Country	Date	Canada	India	Sweden
0	1/4/1971	1.0109	8.02	5.1643
1	1/5/1971	1.0102	8	5.1628
2	1/6/1971	1.0106	8.01	5.1614
3	1/7/1971	1.0148	8	5.1649
4	1/8/1971	1.0154	8.03	5.1631

【讨论】：

您好 Norie，非常感谢您的回答。它真的很简单而且很有效。

【解决方案2】：

我们在这里创建您的数据框进行测试..

import pandas as pd

arr = [['1/4/1971', 'Sweden', '5.1643'],
       ['1/5/1971', 'Sweden', '5.1628'],
       ['1/6/1971', 'Sweden', '5.1614'],
       ['1/7/1971', 'Sweden', '5.1649'],
       ['1/8/1971', 'Sweden', '5.1631'],
       ['1/4/1971', 'Canada', '1.0109'],
       ['1/5/1971', 'Canada', '1.0102'],
       ['1/6/1971', 'Canada', '1.0106'],
       ['1/7/1971', 'Canada', '1.0148'],
       ['1/8/1971', 'Canada', '1.0154'],
       ['1/4/1971', 'India', '8.02'],
       ['1/5/1971', 'India', '8.00'],
       ['1/6/1971', 'India', '8.01'],
       ['1/7/1971', 'India', '8.00'],
       ['1/8/1971', 'India', '8.03']]
df = pd.DataFrame(arr,columns=['Date','Country','Value'])
print('old form')
print(df)

输出应该是这样的：

old form
        Date Country   Value
0   1/4/1971  Sweden  5.1643
1   1/5/1971  Sweden  5.1628
2   1/6/1971  Sweden  5.1614
3   1/7/1971  Sweden  5.1649
4   1/8/1971  Sweden  5.1631
5   1/4/1971  Canada  1.0109
6   1/5/1971  Canada  1.0102
7   1/6/1971  Canada  1.0106
8   1/7/1971  Canada  1.0148
9   1/8/1971  Canada  1.0154
10  1/4/1971   India    8.02
11  1/5/1971   India    8.00
12  1/6/1971   India    8.01
13  1/7/1971   India    8.00
14  1/8/1971   India    8.03

让我们施展魔法吧：

注意：此代码未优化但运行良好

table = {}
for row in df.values:
    date = row[0]
    country = row[1]
    value = row[2]
    if date not in table:table[date] = {country:value}
    else:table[date][country] = value

arr = []
for date in table.keys():
    row = table[date]
    row = [date,row['Sweden'],row['Canada'],row['India']]
    arr.append(row)

df2 = pd.DataFrame(arr,columns=['Date','Sweden','Canada','India'])
print('new form')
print(df2)

最终的输出应该是

new form
       Date  Sweden  Canada India
0  1/4/1971  5.1643  1.0109  8.02
1  1/5/1971  5.1628  1.0102  8.00
2  1/6/1971  5.1614  1.0106  8.01
3  1/7/1971  5.1649  1.0148  8.00
4  1/8/1971  5.1631  1.0154  8.03

【讨论】：

嗨，Aly，非常感谢您的回答。我想动态创建新列（国家名称），但您是静态创建的。我减弱了@Norie 的回答方式。无论如何，非常感谢您的努力。