Question

I m试图从数据库创建的现有数据框架中为今后处理建立一个新的数据框架。我似乎有可行的解决办法,但必须找到更好的办法。

我需要拿出新的数据框架,以掌握与特定肥胖症相关的关键浏览量。

旧数据基:

obj_id	Column B	Column C
1	weight	150
1	height	5.8
1	eye_color	blue
2	weight	160

希望的新数据基:

obj_id	weight
1	150
2	160
3	140
4	150

在C栏(数值)中,B栏(标签)有大约5-10栏(数值)组合,因此,需要从旧的数据库中捕获和输入自己的栏目。

这似乎在发挥作用,但似乎只是一个缩影。

import pandas as pd

# old dataframe = df_2
# new dataframe = df

def myfunction(row):
     new_id = row[obj_id]
     for index, rows in df_2.iterrows():
         if new_id in rows[ obj_id"]
            if "weight" in rows[ Column B ]:
                return rows[ Column C ]

df[ weight ] = df.apply(myfunction, axis=1)

感谢你们的帮助!

Answer 1

如果我正确理解,你想要过滤“Column B”等于“重量”的浏览量,然后是pivot<<>><<>>>>:

out = (df.query( `Column B` == "weight" )
         .pivot(index= obj_id , columns= Column B ,
                values= Column C )
         .astype({ weight : int}) # optional
         .reset_index().rename_axis(columns=None)
       )

或者,如果你可能有意保留除“重量”以外的其他类别:

keep = [ weight ] # if you want other categories add them here

out = (df.loc[lambda d: d[ Column B ].isin(keep)]
         .pivot(index= obj_id , columns= Column B ,
                values= Column C )
         .reset_index().rename_axis(columns=None)
       )

一种效率较低的替代办法是:pivot,先选择一栏保持。然而,如果有许多不想要的类别,这可能会产生一个不必要的大中间体:

keep = [ weight ]
out = (df.pivot(index= obj_id , columns= Column B ,
                values= Column C )[keep]
         .reset_index().rename_axis(columns=None)
       )

产出:

   obj_id weight
0       1    150
1       2    160

友情链接