web-dev-qa-db-ja.com

パンダ：マルチインデックスでピボットを実行する方法は？

pandas DataFrameでピボットを実行したいのですが、インデックスは1列ではなく2列です。たとえば、年に1つのフィールド、月に1つのフィールド、「item 1」および「item 2」を表示する「item」フィールド、および数値を含む「value」フィールド。インデックスを年+月にしたい。

これを機能させる唯一の方法は、2つのフィールドを1つに結合してから、それらを再び分離することでした。より良い方法はありますか？

以下にコピーした最小限のコード。どうもありがとう！

PSはい、キーワード 'pivot'および 'multi-index'に関して他の質問があることは承知していますが、この質問でそれらが私を助けることができるかどうか/どのように役立つか理解できませんでした。

import pandas as pd
import numpy as np

df= pd.DataFrame()
month = np.arange(1, 13)
values1 = np.random.randint(0, 100, 12)
values2 = np.random.randint(200, 300, 12)


df['month'] = np.hstack((month, month))
df['year'] = 2004
df['value'] = np.hstack((values1, values2))
df['item'] = np.hstack((np.repeat('item 1', 12), np.repeat('item 2', 12)))

# This doesn't work: 
# ValueError: Wrong number of items passed 24, placement implies 2
# mypiv = df.pivot(['year', 'month'], 'item', 'value')

# This doesn't work, either:
# df.set_index(['year', 'month'], inplace=True)
# ValueError: cannot label index with a null key
# mypiv = df.pivot(columns='item', values='value')

# This below works but is not ideal: 
# I have to first concatenate then separate the fields I need
df['new field'] = df['year'] * 100 + df['month']

mypiv = df.pivot('new field', 'item', 'value').reset_index()
mypiv['year'] = mypiv['new field'].apply( lambda x: int(x) / 100)  
mypiv['month'] = mypiv['new field'] % 100
pythonpandaspivotmulti-index
39
Pythonista anonymous

グループ化してからアンスタックできます。

>>> df.groupby(['year', 'month', 'item'])['value'].sum().unstack('item')
item        item 1  item 2
year month                
2004 1          33     250
     2          44     224
     3          41     268
     4          29     232
     5          57     252
     6          61     255
     7          28     254
     8          15     229
     9          29     258
     10         49     207
     11         36     254
     12         23     209

または、pivot_tableを使用します。

>>> df.pivot_table(
        values='value', 
        index=['year', 'month'], 
        columns='item', 
        aggfunc=np.sum)
item        item 1  item 2
year month                
2004 1          33     250
     2          44     224
     3          41     268
     4          29     232
     5          57     252
     6          61     255
     7          28     254
     8          15     229
     9          29     258
     10         49     207
     11         36     254
     12         23     209
57
Alexander

MultiIndexにitemを含めると、単にスタックを解除できると思います。

df.set_index(['year', 'month', 'item']).unstack(level=-1)

これにより以下が得られます。

                value      
item       item 1 item 2
year month              
2004 1         21    277
     2         43    244
     3         12    262
     4         80    201
     5         22    287
     6         52    284
     7         90    249
     8         14    229
     9         52    205
     10        76    207
     11        88    259
     12        90    200

pivot_tableを使用するよりも少し高速で、groupbyを使用するよりもほぼ同じ速度またはわずかに遅いです。

21
Ajean