2

我有一个像下面这样的df，

样本输入：

4×2 DataFrame
│ Row │ col1   │ col2  │
│     │ String │ Int64 │
├─────┼────────┼───────┤
│ 1   │ l1     │ 1     │
│ 2   │ l2     │ 2     │
│ 3   │ l1     │ 3     │
│ 4   │ l2     │ 4     │

我想将上面的df转换成下面的样子，

预期的df：

2×2 DataFrame
│ Row │ l1    │ l2    │
│     │ Int64 │ Int64 │
├─────┼───────┼───────┤
│ 1   │ 1     │ 2     │
│ 2   │ 3     │ 4     │

我尝试了 unstack 方法unstack(df, "col1", "col2")，但我得到了ArgumentError: No key column found. 我知道没有密钥 unstack 是不可能的。如何将上述df转换为预期的df？

4

1 回答 1

2

DataFrames.jl 要求您为行指定键以允许通过这些键执行匹配：

julia> df = DataFrame(col1=["l1", "l2", "l1", "l2"], col2=1:4, rowkey=[1,1,2,2])
4×3 DataFrame
│ Row │ col1   │ col2  │ rowkey │
│     │ String │ Int64 │ Int64  │
├─────┼────────┼───────┼────────┤
│ 1   │ l1     │ 1     │ 1      │
│ 2   │ l2     │ 2     │ 1      │
│ 3   │ l1     │ 3     │ 2      │
│ 4   │ l2     │ 4     │ 2      │

julia> unstack(df, "col1", "col2")
2×3 DataFrame
│ Row │ rowkey │ l1     │ l2     │
│     │ Int64  │ Int64? │ Int64? │
├─────┼────────┼────────┼────────┤
│ 1   │ 1      │ 1      │ 2      │
│ 2   │ 2      │ 3      │ 4      │

为什么？想象一下您的数据如下所示：

julia> df = DataFrame(col1=["l1", "l2", "l1", "l2","l1"], col2=1:5, rowkey=[1,1,3,3,2])
5×3 DataFrame
│ Row │ col1   │ col2  │ rowkey │
│     │ String │ Int64 │ Int64  │
├─────┼────────┼───────┼────────┤
│ 1   │ l1     │ 1     │ 1      │
│ 2   │ l2     │ 2     │ 1      │
│ 3   │ l1     │ 3     │ 3      │
│ 4   │ l2     │ 4     │ 3      │
│ 5   │ l1     │ 5     │ 2      │

julia> unstack(df, "col1", "col2")
3×3 DataFrame
│ Row │ rowkey │ l1     │ l2      │
│     │ Int64  │ Int64? │ Int64?  │
├─────┼────────┼────────┼─────────┤
│ 1   │ 1      │ 1      │ 2       │
│ 2   │ 2      │ 5      │ missing │
│ 3   │ 3      │ 3      │ 4       │

没有:rowkey它就不可能告诉你真的希望第二行:l2保持缺失值。

这是如何unstack工作的，因为它是一个通用函数，所以它使用行键来执行匹配。如果你想要一些假设：

  • 所有组的顺序相同
  • 所有组的长度相同

写这个：

julia> DataFrame([first(sdf.col1) => sdf.col2 for sdf in groupby(df, :col1)])
2×2 DataFrame
│ Row │ l1    │ l2    │
│     │ Int64 │ Int64 │
├─────┼───────┼───────┤
│ 1   │ 1     │ 2     │
│ 2   │ 3     │ 4     │

或更一般的模式

julia> DataFrame([key.col1 => sdf.col2 for (key, sdf) in pairs(groupby(df, :col1))])
2×2 DataFrame
│ Row │ l1    │ l2    │
│     │ Int64 │ Int64 │
├─────┼───────┼───────┤
│ 1   │ 1     │ 2     │
│ 2   │ 3     │ 4     │
于 2020-08-11T07:51:43.127 回答