首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >合并两列以消除重复行

问合并两列以消除重复行
EN

Stack Overflow用户
提问于 2018-09-27 09:03:21
回答 3查看 61关注 0票数 2

我目前的情况是,我有一个如下所示的数据

代码语言:javascript
复制
          id  tp    dt        amt
0          1   CR  2017    94678.0
1          1   CR  2018    13508.0
2          1   DR  2017    78671.0
3          1   DR  2018    13797.0
4          2   CR  2017   111417.0
5          2   CR  2018    21479.0
6          2   DR  2017    95266.0
7          2   DR  2018     1864.0

我试图实现的是将tp和dt这两个列的值组合起来,并将其用作amt的列名,以潜在地消除具有相同id的多个行。简而言之,它应该如下所示

代码语言:javascript
复制
          id     CR2017   CR2018   DR2017  DR2018
0          1    94678.0  13508.0  78671.0  13797.0
1          2   111417.0  21479.0  95266.0   1864.0

我在想这是否可能?我已经和reset_index、set_index和pivot_table玩了一个小时了,但还是没有运气--提前感谢,我会很感激的。

EN

回答 3

Stack Overflow用户

回答已采纳

发布于 2018-09-27 09:06:13

使用set_index与联接列和unstack进行重组:

代码语言:javascript
复制
df = df.set_index(['id', df['tp'] + df['dt'].astype(str)])['amt'].unstack().reset_index()
print (df)
   id    CR2017   CR2018   DR2017   DR2018
0   1   94678.0  13508.0  78671.0  13797.0
1   2  111417.0  21479.0  95266.0   1864.0

或创建新列:

代码语言:javascript
复制
df['new'] = df['tp'] + df['dt'].astype(str)
df = df.set_index(['id', 'new'])['amt'].unstack().rename_axis(None, axis=1).reset_index()
print (df)
   id    CR2017   CR2018   DR2017   DR2018
0   1   94678.0  13508.0  78671.0  13797.0
1   2  111417.0  21479.0  95266.0   1864.0

但如果得到:

ValueError:索引包含重复条目,无法重新构造

这意味着有重复的id与joine对,如:

代码语言:javascript
复制
print (df)
   id  tp    dt       amt
0   1  CR  2017   94678.0 <-dupe 1 CR 2017
0   1  CR  2017   10000.0 <-dupe 1 CR 2017
1   1  CR  2018   13508.0
2   1  DR  2017   78671.0
3   1  DR  2018   13797.0
4   2  CR  2017  111417.0
5   2  CR  2018   21479.0
6   2  DR  2017   95266.0
7   2  DR  2018    1864.0

解决方案是由groupby + aggreagte函数(如mean、sum和unstack )实现的。

代码语言:javascript
复制
df = df.groupby(['id', df['tp'] + df['dt'].astype(str)])['amt'].mean().unstack().reset_index()

或默认为pivot_table的aggfunc='mean'

代码语言:javascript
复制
df = df.pivot_table(index='id',columns=df['tp'] + df['dt'].astype(str), values= 'amt').reset_index()
票数 2
EN

Stack Overflow用户

发布于 2018-09-27 09:14:07

代码语言:javascript
复制
df['tpdt'] = df['tp'].astype(str) + df['dt'].astype(str)
del df['tp']
del df['dt']
df = df.groupby(['id','tpdt'],as_index=False).sum()
df = df.reset_index().pivot(columns='tpdt', index='id', values='amt')

加上一些解释。首先创建一个列,将dt和tp中的值连接起来。然后删除那些单独的列,因为您不需要它们。在id和tpdt上发布一个groupby,它会将tp和dt的唯一对的amt值之和。您甚至可以探索同样的解堆栈函数。

票数 0
EN

Stack Overflow用户

发布于 2018-09-28 04:14:36

一种方法是将所有的内容都用在一起:表格和默认的aggfunc,numpy.mean,索引和轴心。

代码语言:javascript
复制
pd.pivot_table(df,index='id', columns = df.tp.astype(str).str.cat(df.dt.astype(str)), values="amt").reset_index(col_level=1).rename_axis(None, axis=1)

输出:

代码语言:javascript
复制
    id  CR2017     CR2018    DR2017     DR2018
0   1   94678.0    13508.0   78671.0    13797.0
1   2   111417.0   21479.0   95266.0    1864.0
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/52533258

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档