我的数据框看起来像这样。
df
visit_date sex region status
0 2019-04-01 m as pass
1 2019-04-02 m as pass
2 2019-04-02 f na pass
3 2019-04-03 f na fail
4 2019-04-08 f na pass
5 2019-04-09 f as pass
6 2019-04-09 m na pass
7 2019-04-10 m as fail
8 2019-04-15 f as fail
9 2019-04-15 m na pass
10 2019-04-16 f na pass
11 2019-04-17 f na fail
visit_date
是datetime
,其余的是categorical
(对象)。
我想每周计算每列中的每个值,然后将它们设置为列。
预期结果。
f m as na fail pass
visit_date
2019-04-07 2 2 2 2 1 3
2019-04-14 2 2 2 2 1 3
2019-04-21 3 1 1 3 2 2
我用过pd.crosstab
和groupby
。
df.visit_date = pd.to_datetime(df.visit_date)
cols = ['sex', 'region', 'status']
df2 = pd.crosstab(df['visit_date'], df[cols[0]])
for i in range(1, len(cols)):
df2 = df2.join(pd.crosstab(df['visit_date'], df[cols[i]]))
df2.groupby([pd.Grouper(level='visit_date', freq='1W')]).sum()
f m as na fail pass
visit_date
2019-04-07 2 2 2 2 1 3
2019-04-14 2 2 2 2 1 3
2019-04-21 3 1 1 3 2 2
问题是我必须再次组合才能在每周进行总结,而且速度太慢。我的实际数据有~100 +列和~100万+行。
有没有更快的方法来获得相同的结果?
使用DataFrame.melt
与DataFrameGroupBy.size
和Series.unstack
重塑:
cols = ['sex', 'region', 'status']
df1 = (df.melt(id_vars='visit_date', value_vars=cols)
.groupby([pd.Grouper(key='visit_date', freq='1W'),'value'])
.size()
.unstack(fill_value=0))
print (df1)
value as f fail m na pass
visit_date
2019-04-07 2 2 1 2 2 3
2019-04-14 2 2 1 2 2 3
2019-04-21 1 3 2 1 3 2
也有可能创建Multiindex
:
cols = ['sex', 'region', 'status']
df2 = (df.melt(id_vars='visit_date', value_vars=cols)
.groupby([pd.Grouper(key='visit_date', freq='1W'),'variable', 'value'])
.size()
.unstack(level=[1,2], fill_value=0))
print (df2)
variable region sex status
value as na f m fail pass
visit_date
2019-04-07 2 2 2 2 1 3
2019-04-14 2 2 2 2 1 3
2019-04-21 1 3 3 1 2 2
所以可以选择第一级:
print (df2['region'])
value as na
visit_date
2019-04-07 2 2
2019-04-14 2 2
2019-04-21 1 3
或者压平值:
df2.columns = df2.columns.map('_'.join)
print (df2)
region_as region_na sex_f sex_m status_fail status_pass
visit_date
2019-04-07 2 2 2 2 1 3
2019-04-14 2 2 2 2 1 3
2019-04-21 1 3 3 1 2 2