跨多个列分布数据

Question

我有一个Pandas数据帧df，如下所示：

            name  value
2014-01-01  temp   10.0
2014-01-01     p  101.0
2014-01-02  temp   11.5
2014-01-02     p  100.0

我想建立一个新的具有唯一索引的数据帧 每个数据有一列。在

类似df2：

^{pr2}$

我的第一个想法是用

df2 = pd.DataFrame(index=df.index.unique(), columns=df['name'].unique())

并使用for循环来填充此数据帧

for col in df['name'].unique():
    df2[col] = df[df['name']==col]['value']

但我认为熊猫可以更有效地做到这一点。在

有什么想法吗？在

Answer 1

正如@scls在下面的评论中指出的，当使用pivot对索引中有重复项的数据帧执行此操作时，pandas中可能存在一个bug。在

您需要使用此处的修改版本才能使其正常工作：

df.pivot(columns='name', index=df.index)['value']

编辑：下面的答案似乎不适用于索引中的重复条目，与pandas文档相比，这似乎是一个bug，pandas文档中说如果省略index，将使用现有索引的唯一元素。在

这也是一个问题，因为在这种情况下，使用set_index后跟{}将非常乏味，因为一个可能的索引级别已经是索引，而另一个不是。我们希望将“name”添加到索引中，而不需要首先从索引中弹出未命名的现有索引，这可以完成，但会导致烦人的、不可读的语法。在

最初的答案是：使用pandas.DataFrame^{} function中提供的工具，以您想要作为类别的列为中心。在

^{pr2}$

如果与索引相关的错误有问题，请尝试将索引添加为数据透视的一部分：

df.pivot(index=df.index, columns='name', values='value')

也可以选择直接使用function ^{}模块顶层命名空间中的function ^{}来完成，如：

pandas.pivot_table(df, ...)

如果您不想直接从被测数据帧调用。在