0

我想我需要一些关于“融化”功能的帮助。

我有一个如下所示的数据框：

在此处输入图像描述

如您所见，当前索引是时间。

但是，如果想实现以下目标：

在此处输入图像描述

背后的理由是我想比较不同日子同一季度的 RZS 值。

我知道我可以使用 melt 功能，但我不知道这个功能是如何工作的......

from pandas import melt

df = pd.DataFrame(index=['00:00:00', '00:15:00'], columns=["2014-12-01","2014-12-02"])

它创建了数据框，但我不知道如何填充它。我的问题：

  1. 创建包含一天所有 96 个季度的索引的最简单方法是什么？
  2. 如何使用 melt 功能填充新的 df？

非常感谢您提前。

4

1 回答 1

2

您可能正在寻找pivot_table，这就像 的倒数melt。为简单起见，以下代码使用包含 96 个整数值的“Uhrzeit”列重新创建输入 DataFrame，代表时间季度：

import pandas as pd
import numpy as np

data = {
    'Datum': ['2014-12-01'] * 96 + ['2014-12-02'] * 96,
    'Uhrzeit': range(96) + range(96),
    'RZS': np.random.rand(96*2),
}

df = pd.DataFrame(data).set_index('Datum')[['Uhrzeit', 'RZS']]
df.reset_index(inplace=True) # Now this df looks like the input you described
df = pd.pivot_table(df, values='RZS', rows='Uhrzeit', cols='Datum')
print df[:10]

输出：

Datum    2014-12-01  2014-12-02
Uhrzeit                        
0          0.864674    0.363400
1          0.736678    0.925202
2          0.807088    0.076891
3          0.007031    0.528020
4          0.047997    0.216422
5          0.625339    0.636028
6          0.115018    0.141142
7          0.424289    0.101075
8          0.544412    0.147669
9          0.151214    0.274959

然后，您可以切出包含所需“Uhrzeit”的 DataFrame。

编辑：似乎该列RZS表示为字符串，这会导致一些问题，pivot_table因为它期望值列是数字的。这是将该列转换为数字的快速修复，假设 str'1.087,29'应被视为 float 1087.29：

df = pd.DataFrame({'RZS': ['1.087,29', '1.087.087,28', '1.087.087.087,28']})

def fix(x):
    return x.replace('.', '').replace(',', '.')

df['RZS'] = df['RZS'].apply(fix).astype(float)

# The column RZS now should be of dtype float, and pivot_table should work.
于 2015-01-06T07:45:56.653 回答