在Python Pandas中将行转换为列

发布时间：2020-12-20 10:34:38 所属栏目：Python 来源：网络整理

我有以下 Python pandas数据帧：

fruits | numFruits
---------------------
0  | apples |   10
1  | grapes |   20
2  |  figs  |   15

我想要：

apples | grapes | figs
-----------------------------------------
Market 1 Order |    10  |   20   |  15

我查看了pivot(),pivot_table(),Transpose和unstack(),但似乎没有人给我这个.熊猫新手,所以所有的帮助赞赏.

解决方法

到 T你需要 set_index转置：

print (df.set_index('fruits').T)
fruits     apples  grapes  figs
numFruits      10      20    15

如果需要重命名列,则有点复杂：

print (df.rename(columns={'numFruits':'Market 1 Order'})
         .set_index('fruits')
         .rename_axis(None).T)
                apples  grapes  figs
Market 1 Order      10      20    15

另一个更快的解决方案是使用numpy.ndarray.reshape：

print (pd.DataFrame(df.numFruits.values.reshape(1,-1),index=['Market 1 Order'],columns=df.fruits.values))

                apples  grapes  figs
Market 1 Order      10      20    15

时序：

#[30000 rows x 2 columns] 
df = pd.concat([df]*10000).reset_index(drop=True)    
print (df)


In [55]: %timeit (pd.DataFrame([df.numFruits.values],['Market 1 Order'],df.fruits.values))
1 loop,best of 3: 2.4 s per loop

In [56]: %timeit (pd.DataFrame(df.numFruits.values.reshape(1,columns=df.fruits.values))
The slowest run took 5.64 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops,best of 3: 424 μs per loop

In [57]: %timeit (df.rename(columns={'numFruits':'Market 1 Order'}).set_index('fruits').rename_axis(None).T)
100 loops,best of 3: 1.94 ms per loop

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!