如何统计转换列转数据?

Question

我有一个比较大的df
date type
2024-01-01 1
2024-01-01 2
2024-01-01 1
2024-01-02 3
2024-01-02 2
2024-01-02 3
2024-01-02 1
2024-01-02 1
2024-01-03 1
2024-01-03 4
2024-01-03 2
2024-01-03 5
...

如何恰当地完成如下的统计转换
date type1 type2 type3 type4 type5
2024-01-01 2 1 0 0 0
2024-01-02 2 1 2 0 0
2024-01-03 1 0 1 1 1
...

谢谢高人指定。

Answer 1

import pandas as pd

# 创建示例数据
data = {
'date': ['2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-03', '2024-01-03', '2024-01-03', '2024-01-03'],
'type': [1, 2, 1, 3, 2, 3, 1, 1, 1, 4, 2, 5]
}

df = pd.DataFrame(data)

df_dummies = pd.get_dummies(df, columns=['type'])
df_group = df_dummies.groupby("date").sum()

# 显示结果
print(df_dummies)
print("-" * 60)
print(df_group)

在pandas库中，get_dummies() 函数的作用是将分类变量转换为虚拟/指示变量，也称为one-hot编码。这个函数为每个唯一的类别值创建一个新的布尔列（只包含0和1），其中1表示原始数据中该类别的存在，0表示不存在。这里面先使用 get_dummies() 函数将你原先的数据生成一个虚拟列。

然后再通过 groupby 和 sum 函数再分别分组和求和，求和可以用 sum 也可以用 aggregate('sum')，然后就有了下面的结果。

输出结果:

          date  type_1  type_2  type_3  type_4  type_5
0   2024-01-01       1       0       0       0       0
1   2024-01-01       0       1       0       0       0
2   2024-01-01       1       0       0       0       0
3   2024-01-02       0       0       1       0       0
4   2024-01-02       0       1       0       0       0
5   2024-01-02       0       0       1       0       0
6   2024-01-02       1       0       0       0       0
7   2024-01-02       1       0       0       0       0
8   2024-01-03       1       0       0       0       0
9   2024-01-03       0       0       0       1       0
10  2024-01-03       0       1       0       0       0
11  2024-01-03       0       0       0       0       1
------------------------------------------------------------
            type_1  type_2  type_3  type_4  type_5          
date                                                        
2024-01-01       2       1       0       0       0          
2024-01-02       2       1       2       0       0          
2024-01-03       1       1       0       1       1 

Answer 2

import pandas as pd

data = [
    ['2024-01-01', 1],
    ['2024-01-01', 2],
    ['2024-01-01', 1],
    ['2024-01-02', 3],
    ['2024-01-02', 2],
    ['2024-01-02', 3],
    ['2024-01-02', 1],
    ['2024-01-02', 1],
    ['2024-01-03', 1],
    ['2024-01-03', 4],
    ['2024-01-03', 2],
    ['2024-01-03', 5]
]

df = pd.DataFrame(data, columns=['date', 'type'])

df = df.pivot_table(index='date', columns='type', aggfunc='size', fill_value=0)
df.columns = 'type' + df.columns.astype(str)
print(df)