我的目标是按一列(下面的 a)进行分组/分区,创建一个字符串标识符(b 和 c 列),然后使用此 b_c 标识符作为旋转数据框中的列的名称。 据我所知,下面的代码工作正常,但获得结果的路径有点扭曲。所以我的问题是:可以用更简单的方式来完成吗? 顺便说一句,在这么小的规模(到目前为止最多 1k 行)下,我并不痴迷于让它更快。
data = {
"a": [1, 1, 1, 2, 2, 3],
"b": [11, 12, 13, 11, 12, 11],
"c": ["x1", "x2", "x3", "x1", "x2", "x1"],
"val": [101, 102, 102, 201, 202, 301],
}
df = pl.DataFrame(data)
print(df)
counter = 0
for tmp_df in df.partition_by("a"):
grp_df = (
tmp_df.with_columns((pl.col("b").cast(pl.String) + "_" + pl.col("c").cast(pl.String)).alias("col_id"))
.drop("b", "c")
.pivot("col_id", index="a")
)
if counter == 0:
result_df = grp_df.select(pl.all())
else:
result_df = pl.concat([result_df, grp_df], how="diagonal")
counter += 1
print(result_df)
输出:
shape: (3, 4)
┌─────┬───────┬───────┬───────┐
│ a ┆ 11_x1 ┆ 12_x2 ┆ 13_x3 │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 ┆ i64 │
╞═════╪═══════╪═══════╪═══════╡
│ 1 ┆ 101 ┆ 102 ┆ 102 │
│ 2 ┆ 201 ┆ 202 ┆ null │
│ 3 ┆ 301 ┆ null ┆ null │
└─────┴───────┴───────┴───────┘
您可以分两步完成此操作:首先选择步骤来创建新的
id
列,然后是枢轴。
示例1:
(
df.select(
'a','val',
id = pl.col('b').cast(pl.Utf8) + '_' + pl.col('c'))
.pivot(values='val',index='a', columns='id')
)
# Result
shape: (3, 4)
┌─────┬───────┬───────┬───────┐
│ a ┆ 11_x1 ┆ 12_x2 ┆ 13_x3 │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 ┆ i64 │
╞═════╪═══════╪═══════╪═══════╡
│ 1 ┆ 101 ┆ 102 ┆ 102 │
│ 2 ┆ 201 ┆ 202 ┆ null │
│ 3 ┆ 301 ┆ null ┆ null │
└─────┴───────┴───────┴───────┘
示例2: (由@jqurious建议),使用pl.format
(
df.select(
'a','val',
id = pl.format("{}_{}", "b", "c"))
.pivot(values='val',index='a', columns='id')
)