Python股票市场分析中的数据透视

Question

我有蟒蛇字典

stockDict = {
    'Owned' : ['CTSH', 'GOOGL'],
    'Wishlist' : ['LAZY', 'CTSH', 'AAPL']
}

更新字典，使其具有不同数组大小的值。@Youness Sadaan的解决方案非常有效！

我想把它转换成数据格式，如下所示：

    stockCode   Remarks
0   CTSH        Owned
1   GOOGL       Owned
2   LAZY        Wishlist
3   CTSH        Wishlist
3   AAPL        Wishlist

我开始将字典转换成数据格式，并使用pivot_table来实现我所需要的。

stockDf = pd.DataFrame(columns = ["stockCode", "Remarks"])
df = pd.DataFrame([(k, *v) for k, v in stockDict.items()])
df.columns = ['Remarks'] + [f'stock{x}' for x in df.columns[1:]]
display(df)

关于如何实现我想要的输出，我陷入了困境。

pd.pivot_table(df, values=['stock1', 'stock2', 'stock3', 'stock4'], index=None, columns='Remarks', aggfunc='first')

给我以下内容：

Remarks Owned   Wishlist
stock1  CTSH    LAZY
stock2  GOOGL   AIRG
stock3  None    CLSK
stock4  None    CTSH

有人能帮忙吗？

谢谢。

Answer 1

你错过了融化的一步。尝试下面的代码，然后简单地重命名您的列！

stockDict = {'Owned' : ['CTSH', 'GOOGL'],'Wishlist' : ['LAZY', 'AIRG', 'CLSK', 'CTSH']}
df = pd.DataFrame.from_dict(stockDict, orient = 'index')
df.T.melt()

Answer 2

使用melt()函数会更好、更容易。

我编辑了您的代码以提供您想要的输出：

stockDict = {'Owned' : ['CTSH', 'GOOGL'],'Wishlist' : ['LAZY', 'AIRG', 'CLSK', 'CTSH']}


stockDf = pd.DataFrame(columns = ["stockCode", "Remarks"])
df = pd.DataFrame([(k, *v) for k, v in stockDict.items()])
df.columns = ['Remarks'] + [f'stock{x}' for x in df.columns[1:]]


df3=df.melt(id_vars=['Remarks'], value_vars=['stock1', 'stock2','stock3','stock4'],value_name='stockCode')[['Remarks','stockCode']]

df3=df3.sort_values(by=['Remarks'])

display(df3)

输出：

    Remarks stockCode
0     Owned      CTSH
2     Owned     GOOGL
4     Owned      None
6     Owned      None
1  Wishlist      LAZY
3  Wishlist      AIRG
5  Wishlist      CLSK
7  Wishlist      CTSH