Pandas:将CSV数据从单列重新格式化为多个新列

Question

我是python的新手，一直在使用Pandas来处理科学数据。我有79个CSV格式的数据集，这些数据集的像素值(许多NaNs)是不一致的卫星图像，已经平均为两个月一次的值(两个月平均在一起)。数据的格式类似于示例数据帧"df“。实际的时间序列数据从1985年到2020年，底部的屏幕截图显示了它的实际格式以供参考。

df =  pd.DataFrame({'grouping': ['F-M', 'A-M', 'J-J', 'A-S', 'O-N', 'D-J', 'F-M', 'A-M', 'J-J', 'A-S', 'O-N', 'D-J'],
                    'year': ['1985', '1985','1985','1985','1985','1985', '1986','1986','1986','1986','1986','1986'],
                    'region_1': ['NaN', 0.264, 0.339, 0.321, 0.305, 'NaN', 'NaN', 0.404, 0.206, 0.217, 0.266, 0.217 ],
                    'region_2': ['NaN', 0.457, 0.649,  0.625, 0.531, 'NaN', 0.503, 0.656, 0.437, 0.568, 0.547, 'NaN' ]})

我需要重新格式化数据，以便每行只有一年，每个两个月分组作为列标题。但是，每个数据集都有两个需要相互比较的区域。“4-5月区域1”和“4-5月区域2”。最终的数据集如下所示：

df2 = pd.DataFrame({'year':['1985', '1986'],
                    'F-M reg_1': ['NaN', 'NaN'],
                    'A-M reg_1': [0.264, 0.404],
                    'J-J reg_1': [0.339, 0.206],
                    'A-S reg_1': [0.321, 0.217],
                    'O-N reg_1': [0.305, 0.266],
                    'D-J reg_1': ['NaN', 0.217],
                    'F-M reg_2': ['NaN', 0.503],
                    'A-M reg_2': [0.457, 0.656],
                    'J-J reg_2': [0.649, 0.437],
                    'A-S reg_2': [0.635, 0.568],
                    'O-N reg_2': [0.531, 0.547],
                    'D-J reg_2': ['NaN', 'NaN']})

我尝试使用以下代码，但我不知道如何在数据框中包含region_2数据。它还创建了一个索引值，并将其称为" grouping“，并打乱了双月分组的顺序。

df.pivot(index='year', columns = 'grouping', values = ('region_1')).reset_index()

为每个区域创建两个单独的数据框是不是更好？

我似乎也找不到任何说明如何做到这一点的帖子。

​

​

Answer 1

我认为您需要做的就是为values参数使用一个列表：

bimonths = ['F-M', 'A-M', 'J-J', 'A-S', 'O-N', 'D-J']
df.pivot(index='year', columns = 'grouping', values = ['region_1','region_2']).reindex(bimonths, axis=1, level=1)

输出(列对齐被剪切和粘贴弄乱)：

    region_1    region_2
grouping    F-M A-M J-J A-S O-N D-J F-M A-M J-J A-S O-N D-J
year                                                
1985    NaN 0.264   0.339   0.321   0.305   NaN NaN 0.457   0.649   0.625   0.531   NaN
1986    NaN 0.404   0.206   0.217   0.266   0.217   0.503   0.656   0.437   0.568   0.547   NaN