स्तंभ लेबल के आधार पर पांडा में डेटाफ्रेम को दोबारा बदलना

Question

पांडा में निम्नलिखित डेटाफ्रेम को दोबारा बदलने का सबसे अच्छा तरीका क्या है? यह DataFrame df प्रत्येक नमूने (s1 और इस मामले में s2) के लिए x,y मान होते हैं और इस तरह दिखता है:

In [23]: df = pandas.DataFrame({"s1_x": scipy.randn(10), "s1_y": scipy.randn(10), "s2_x": scipy.randn(10), "s2_y": scipy.randn(10)}) 
In [24]: df 
Out[24]: 
     s1_x  s1_y  s2_x  s2_y 
0 0.913462 0.525590 -0.377640 0.700720 
1 0.723288 -0.691715 0.127153 0.180836 
2 0.181631 -1.090529 -1.392552 1.530669 
3 0.997414 -1.486094 1.207012 0.376120 
4 -0.319841 0.195289 -1.034683 0.286073 
5 1.085154 -0.619635 0.396867 0.623482 
6 1.867816 -0.928101 -0.491929 -0.955295 
7 0.920658 -1.132057 1.701582 -0.110299 
8 -0.241853 -0.129702 -0.809852 0.014802 
9 -0.019523 -0.578930 0.803688 -0.881875 

s1_x और s1_y नमूना 1 के लिए x/y मान होते हैं, s2_x, s2_y नमूना 2 के लिए नमूना मान हैं , आदि। इसे डेटाफ्रेम में केवल x, y कॉलम युक्त कैसे बदला जा सकता है लेकिन इसमें अतिरिक्त कॉलम sample है जो डेटाफ्रेम में प्रत्येक पंक्ति के लिए कहता है कि यह s1 या s2 से है? जैसे

  x   y  sample 
0 0.913462 0.525590   s1 
1 0.723288 -0.691715   s1 
2 0.181631 -1.090529   s1 
3 0.997414 -1.486094   s1 
... 
5 0.396867 0.623482   s2 
... 

यह, पर बाद में Rpy2 साथ बातें की साजिश रचने के लिए उपयोगी है के बाद से कई अनुसंधान की साजिश रचने सुविधाओं इस समूहीकरण चर का उपयोग कर सकते हैं, ताकि dataframe देगी के लिए मेरी प्रेरणा है।

मुझे लगता है कि इस सवाल का जवाब चांग वह द्वारा दिए गए dataframes एक अद्वितीय सूचकांक है, यह एक तरह से अनुवाद नहीं करता है:

In [636]: df = pandas.DataFrame({"s1_x": scipy.randn(10), "s1_y": scipy.randn(10), "s2_x": scipy.randn(10), "s2_y": scipy.randn(10), "names": range(10)}) 
In [637]: df 
Out[637]: 
    names  s1_x  s1_y  s2_x  s2_y 
0  0 0.672298 0.415366 1.034770 0.556209 
1  1 0.067087 -0.851028 0.053608 -0.276461 
2  2 -0.674174 -0.099015 0.864148 -0.067240 
3  3 0.542996 -0.813018 2.283530 2.793727 
4  4 0.216633 -0.091870 -0.746411 -0.421852 
5  5 0.141301 -1.537721 -0.371601 -1.594634 
6  6 1.267148 -0.833120 0.369516 -0.671627 
7  7 -0.231163 -0.557398 1.123155 0.865140 
8  8 1.790570 -0.428563 0.668987 0.632409 
9  9 -0.820315 -0.894855 0.673247 -1.195831 
In [638]: df.columns = pandas.MultiIndex.from_tuples([tuple(c.split('_')) for c in df.columns]) 

In [639]: df.stack(0).reset_index(1) 
Out[639]: 
    level_1   x   y 
0  s1 0.672298 0.415366 
0  s2 1.034770 0.556209 
1  s1 0.067087 -0.851028 
1  s2 0.053608 -0.276461 
2  s1 -0.674174 -0.099015 
2  s2 0.864148 -0.067240 
3  s1 0.542996 -0.813018 
3  s2 2.283530 2.793727 
4  s1 0.216633 -0.091870 
4  s2 -0.746411 -0.421852 
5  s1 0.141301 -1.537721 
5  s2 -0.371601 -1.594634 
6  s1 1.267148 -0.833120 
6  s2 0.369516 -0.671627 
7  s1 -0.231163 -0.557398 
7  s2 1.123155 0.865140 
8  s1 1.790570 -0.428563 
8  s2 0.668987 0.632409 
9  s1 -0.820315 -0.894855 
9  s2 0.673247 -1.195831 

परिवर्तन काम किया लेकिन इस प्रक्रिया में स्तंभ "names" खो गया था। मैं "names" कॉलम को डीएफ में कैसे रख सकता हूं जबकि अभी भी उन कॉलम पर पिघलने वाले परिवर्तन कर रहे हैं जिनके नाम _ हैं? "names" कॉलम केवल डेटाफ्रेम में प्रत्येक पंक्ति के लिए एक अद्वितीय नाम असाइन करता है। उदाहरण के लिए यह संख्यात्मक है लेकिन मेरे डेटा में वे स्ट्रिंग पहचानकर्ता हैं।

धन्यवाद।

Answer 1

मुझे लगता है कि आपके पास पहले से ही डेटाफ्रेम है। इस मामले में आप कॉलम को मल्टीइंडेक्स में बदल सकते हैं और फिर रीसेट_इंडेक्स का उपयोग कर सकते हैं। ध्यान दें कि आप तो नाम बदलने और आप क्या सवाल में तैनात बिल्कुल पाने के लिए कॉलम और प्रकार नमूना द्वारा पुन: व्यवस्थित करना होगा:

In [4]: df = pandas.DataFrame({"s1_x": scipy.randn(10), "s1_y": scipy.randn(10), "s2_x": scipy.randn(10), "s2_y": scipy.randn(10)}) 

In [5]: df.columns = pandas.MultiIndex.from_tuples([tuple(c.split('_')) for c in df.columns]) 

In [6]: df.stack(0).reset_index(1) 
Out[6]: 
    level_1   x   y 
0  s1 0.897994 -0.278357 
0  s2 -0.008126 -1.701865 
1  s1 -1.354633 -0.890960 
1  s2 -0.773428 0.003501 
2  s1 -1.499422 -1.518993 
2  s2 0.240226 1.773427 
3  s1 -1.090921 0.847064 
3  s2 -1.061303 1.557871 
4  s1 -1.697340 -0.160952 
4  s2 -0.930642 0.182060 
5  s1 -0.356076 -0.661811 
5  s2 0.539875 -1.033523 
6  s1 -0.687861 -1.450762 
6  s2 0.700193 0.658959 
7  s1 -0.130422 -0.826465 
7  s2 -0.423473 -1.281856 
8  s1 0.306983 0.433856 
8  s2 0.097279 -0.256159 
9  s1 0.498057 0.147243 
9  s2 1.312578 0.111837 

आप अगर आप सिर्फ साथ DataFrame बना सकते हैं MultiIndex रूपांतरण बचा सकता है इसके बजाए एक मल्टी इंडेक्स।

संपादित करें: उपयोग मर्ज मूल आईडी में शामिल होने के

In [59]: df 
Out[59]: 
    names  s1_x  s1_y  s2_x  s2_y 
0  0 0.732099 0.018387 0.299856 0.737142 
1  1 0.914755 -0.798159 -0.732868 -1.279311 
2  2 -1.063558 0.161779 -0.115751 -0.251157 
3  3 -1.185501 0.095147 -1.343139 -0.003084 
4  4 0.622400 -0.299726 0.198710 -0.383060 
5  5 0.179318 0.066029 -0.635507 1.366786 
6  6 -0.820099 0.066067 1.113402 0.002872 
7  7 0.711627 -0.182925 1.391194 -2.788434 
8  8 -1.124092 1.303375 0.202691 -0.225993 
9  9 -0.179026 0.847466 -1.480708 -0.497067 

In [60]: id = df.ix[:, ['names']] 

In [61]: df.columns = pandas.MultiIndex.from_tuples([tuple(c.split('_')) for c in df.columns]) 

In [62]: pandas.merge(df.stack(0).reset_index(1), id, left_index=True, right_index=True) 
Out[62]: 
    level_1   x   y names 
0  s1 0.732099 0.018387  0 
0  s2 0.299856 0.737142  0 
1  s1 0.914755 -0.798159  1 
1  s2 -0.732868 -1.279311  1 
2  s1 -1.063558 0.161779  2 
2  s2 -0.115751 -0.251157  2 
3  s1 -1.185501 0.095147  3 
3  s2 -1.343139 -0.003084  3 
4  s1 0.622400 -0.299726  4 
4  s2 0.198710 -0.383060  4 
5  s1 0.179318 0.066029  5 
5  s2 -0.635507 1.366786  5 
6  s1 -0.820099 0.066067  6 
6  s2 1.113402 0.002872  6 
7  s1 0.711627 -0.182925  7 
7  s2 1.391194 -2.788434  7 
8  s1 -1.124092 1.303375  8 
8  s2 0.202691 -0.225993  8 
9  s1 -0.179026 0.847466  9 
9  s2 -1.480708 -0.497067  9 

वैकल्पिक रूप में वापस आ गया:

In [64]: df 
Out[64]: 
    names  s1_x  s1_y  s2_x  s2_y 
0  0 0.744742 -1.123403 0.212736 0.005440 
1  1 0.465075 -0.673491 1.467156 -0.176298 
2  2 -1.111566 0.168043 -0.102142 -1.072461 
3  3 1.226537 -1.147357 -1.583762 -1.236582 
4  4 1.137675 0.224422 0.738988 1.528416 
5  5 -0.237014 -1.110303 -0.770221 1.389714 
6  6 -0.659213 2.305374 -0.326253 1.416778 
7  7 1.524214 -0.395451 -1.884197 0.524606 
8  8 0.375112 -0.622555 0.295336 0.927208 
9  9 1.168386 -0.291899 -1.462098 0.250889 

In [65]: df = df.set_index('names') 

In [66]: df.columns = pandas.MultiIndex.from_tuples([tuple(c.split('_')) for c in df.columns]) 

In [67]: df.stack(0).reset_index(1) 
Out[67]: 
     level_1   x   y 
names        
0   s1 0.744742 -1.123403 
0   s2 0.212736 0.005440 
1   s1 0.465075 -0.673491 
1   s2 1.467156 -0.176298 
2   s1 -1.111566 0.168043 
2   s2 -0.102142 -1.072461 
3   s1 1.226537 -1.147357 
3   s2 -1.583762 -1.236582 
4   s1 1.137675 0.224422 
4   s2 0.738988 1.528416 
5   s1 -0.237014 -1.110303 
5   s2 -0.770221 1.389714 
6   s1 -0.659213 2.305374 
6   s2 -0.326253 1.416778 
7   s1 1.524214 -0.395451 
7   s2 -1.884197 0.524606 
8   s1 0.375112 -0.622555 
8   s2 0.295336 0.927208 
9   s1 1.168386 -0.291899 
9   s2 -1.462098 0.250889