熊猫数据框堆叠与转轴

Question

我使用熊猫重塑一些字符串/数字值的响应，我遇到了一些有点不直观的行为。

有人可以解释dataframes stacked及以下pivoted之间的区别，以及为什么pivoted2提高了DataError即使没有aggfunc传递？

import pandas as pd 

d = {'ID': pd.Series(['x']*3 + ['y']*3,index = range(6)), 
    'Count': pd.Series([1,2,1,1,1,1], index = range(6)), 
    'Value_type': pd.Series(['foo','foo','bar','foo','bar','baz'], index = range(6)), 
    'Value': pd.Series(range(1,7),index = range(6))} 
df = pd.DataFrame(d) 

d2 = {'ID': pd.Series(['x']*3 + ['y']*3,index = range(6)), 
    'Count': pd.Series([1,2,1,1,1,1], index = range(6)), 
    'Value_type': pd.Series(['foo','foo','bar','foo','bar','baz'], index = range(6)), 
    'Value': pd.Series(list('abcdef'),index = range(6))} 
df2 = pd.DataFrame(d2) 

restacked = df.set_index(['ID','Count','Value_type']).unstack() 
print restacked 

restacked2 = df2.set_index(['ID','Count','Value_type']).unstack() 
print restacked2 

pivoted = pd.pivot_table(df,rows = ['ID','Count'],cols = 'Value_type',values = 'Value') 
print pivoted 

## raises DataError('No numeric types to aggregate'), 
## even though no aggregation function is passed. 
pivoted2 = pd.pivot_table(df2,rows = ['ID','Count'],cols = 'Value_type',values = 'Value') 
print pivoted2 

Answer 1

的default agg function是np.mean（即使你没有通过它明确这是正在使用的），不使对字符串的意义，其实它提出时传递的对象数组一个AttributeError - 所以大熊猫会在你尝试这样做时抱怨。

你可以通过np.sum：

In [11]: pd.pivot_table(df2, rows=['ID', 'Count'], cols='Value_type', 
         values='Value', aggfunc=np.sum) 
Out[11]: 
Value_type bar baz foo 
ID Count     
x 1   c NaN a 
    2  NaN NaN b 
y 1   e f d 

或者使用iloc[0]采取的第一项：

In [12]: pd.pivot_table(df2, rows=['ID', 'Count'], cols='Value_type', 
         values='Value', aggfunc=lambda x: x.iloc[0]) 
Out[12]: 
Value_type bar baz foo 
ID Count     
x 1   c NaN a 
    2  NaN NaN b 
y 1   e f d 

注：这是一样的pivoted2['Value']，可以让这个输出一样pivoted2如果您将列表汇总为以下值：

In [13]: pd.pivot_table(df2, rows=['ID', 'Count'], cols=['Value_type'], 
         values=['Value'], aggfunc=lambda x: x.iloc[0]) 
Out[13]: 
      Value   
Value_type bar baz foo 
ID Count     
x 1   c NaN a 
    2   NaN NaN b 
y 1   e f d