pivot和pivot_表的区别。为什么只有pivot_表工作?

2024-03-29 12:20:39 发布

您现在位置:Python中文网/ 问答频道 /正文

我有以下数据框。

df.head(30)

     struct_id  resNum score_type_name  score_value
0   4294967297       1           omega     0.064840
1   4294967297       1          fa_dun     2.185618
2   4294967297       1      fa_dun_dev     0.000027
3   4294967297       1     fa_dun_semi     2.185591
4   4294967297       1             ref    -1.191180
5   4294967297       2            rama    -0.795161
6   4294967297       2           omega     0.222345
7   4294967297       2          fa_dun     1.378923
8   4294967297       2      fa_dun_dev     0.028560
9   4294967297       2      fa_dun_rot     1.350362
10  4294967297       2         p_aa_pp    -0.442467
11  4294967297       2             ref     0.249477
12  4294967297       3            rama     0.267443
13  4294967297       3           omega     0.005106
14  4294967297       3          fa_dun     0.020352
15  4294967297       3      fa_dun_dev     0.025507
16  4294967297       3      fa_dun_rot    -0.005156
17  4294967297       3         p_aa_pp    -0.096847
18  4294967297       3             ref     0.979644
19  4294967297       4            rama    -1.403292
20  4294967297       4           omega     0.212160
21  4294967297       4          fa_dun     4.218029
22  4294967297       4      fa_dun_dev     0.003712
23  4294967297       4     fa_dun_semi     4.214317
24  4294967297       4         p_aa_pp    -0.462765
25  4294967297       4             ref    -1.960940
26  4294967297       5            rama    -0.600053
27  4294967297       5           omega     0.061867
28  4294967297       5          fa_dun     3.663050
29  4294967297       5      fa_dun_dev     0.004953

根据pivot文档,我应该能够使用pivot函数在score_type_name上重新构造这个。

df.pivot(columns='score_type_name',values='score_value',index=['struct_id','resNum'])

但是,我明白了。

enter image description here

不过,pivot_table函数似乎起作用:

pivoted = df.pivot_table(columns='score_type_name',
                         values='score_value',
                         index=['struct_id','resNum'])

enter image description here

但至少对我来说,它不适合作进一步的分析。我希望它只将struct_id、resNum和score_type_name作为列,而不是将score_type_name叠加在其他列之上。另外,我希望struct_id是针对每一行的,而不是像对表那样聚合在一个连接行中。

那么有谁能告诉我怎样才能得到一个像我想用pivot那样好的数据帧呢?另外,从文档中,我不知道pivot_table为什么工作而pivot不工作。如果我看pivot的第一个示例,它看起来正是我所需要的。

附则。 我确实发布了一个关于这个问题的问题,但是我在演示输出方面做得太差了,我删除了它,然后使用ipython笔记本再次尝试。如果你看了两遍,我会事先道歉的。

Here is the notebook for your full reference

编辑-我想要的结果如下(用excel制作):

StructId    resNum  pdb_residue_number  chain_id    name3   fa_dun  fa_dun_dev  fa_dun_rot  fa_dun_semi omega   p_aa_pp rama    ref
4294967297  1   99  A   ASN 2.1856  0.0000      2.1856  0.0648          -1.1912
4294967297  2   100 A   MET 1.3789  0.0286  1.3504      0.2223  -0.4425 -0.7952 0.2495
4294967297  3   101 A   VAL 0.0204  0.0255  -0.0052     0.0051  -0.0968 0.2674  0.9796
4294967297  4   102 A   GLU 4.2180  0.0037      4.2143  0.2122  -0.4628 -1.4033 -1.9609
4294967297  5   103 A   GLN 3.6630  0.0050      3.6581  0.0619  -0.2759 -0.6001 -1.5172
4294967297  6   104 A   MET 1.5175  0.2206  1.2968      0.0504  -0.3758 -0.7419 0.2495
4294967297  7   105 A   HIS 3.6987  0.0184      3.6804  0.0547  0.4019  -0.1489 0.3883
4294967297  8   106 A   THR 0.1048  0.0134  0.0914      0.0003  -0.7963 -0.4033 0.2013
4294967297  9   107 A   ASP 2.3626  0.0005      2.3620  0.0521  0.1955  -0.3499 -1.6300
4294967297  10  108 A   ILE 1.8447  0.0270  1.8176      0.0971  0.1676  -0.4071 1.0806
4294967297  11  109 A   ILE 0.1276  0.0092  0.1183      0.0208  -0.4026 -0.0075 1.0806
4294967297  12  110 A   SER 0.2921  0.0342  0.2578      0.0342  -0.2426 -1.3930 0.1654
4294967297  13  111 A   LEU 0.6483  0.0019  0.6464      0.0845  -0.3565 -0.2356 0.7611
4294967297  14  112 A   TRP 2.5965  0.1507      2.4457  0.5143  -0.1370 -0.5373 1.2341
4294967297  15  113 A   ASP 2.6448  0.1593          0.0510      -0.5011 

Tags: namedevrefidtypestructppfa
3条回答

对于仍然对pivotpivot_table之间的区别感兴趣的人来说,主要有两个区别:

  • pivot_tablepivot的泛化,它可以处理一个支点索引/列对的重复值。具体来说,可以使用关键字参数aggfuncpivot_table一个聚合函数列表。pivot_table的默认aggfuncnumpy.mean
  • pivot_table还支持对透视表的索引和列使用多个列。系统将自动为您生成层次索引。

参考号:^{}^{}

我不太明白,但我会试试的。我通常使用stack/unstack而不是pivot,这更接近您想要的吗?

df.set_index(['struct_id','resNum','score_type_name']).unstack()

                  score_value                                              
score_type_name        fa_dun fa_dun_dev fa_dun_rot fa_dun_semi     omega   
struct_id  resNum                                                           
4294967297 1         2.185618   0.000027        NaN    2.185591  0.064840   
           2         1.378923   0.028560   1.350362         NaN  0.222345   
           3         0.020352   0.025507  -0.005156         NaN  0.005106   
           4         4.218029   0.003712        NaN    4.214317  0.212160   
           5         3.663050   0.004953        NaN         NaN  0.061867   


score_type_name     p_aa_pp      rama       ref  
struct_id  resNum                                
4294967297 1            NaN       NaN -1.191180  
           2      -0.442467 -0.795161  0.249477  
           3      -0.096847  0.267443  0.979644  
           4      -0.462765 -1.403292 -1.960940  
           5            NaN -0.600053       NaN  

我不知道为什么你的轴心不工作(在我看来似乎应该这样做,但我可能是错的),但它似乎工作(或至少不给一个错误),如果我离开'结构id'。当然,对于“struct\u id”有多个不同值的完整数据集,这并不是一个真正有用的解决方案。

df.pivot(columns='score_type_name',values='score_value',index='resNum')

score_type_name    fa_dun  fa_dun_dev  fa_dun_rot  fa_dun_semi     omega  
resNum                                                                     
1                2.185618    0.000027         NaN     2.185591  0.064840   
2                1.378923    0.028560    1.350362          NaN  0.222345   
3                0.020352    0.025507   -0.005156          NaN  0.005106   
4                4.218029    0.003712         NaN     4.214317  0.212160   
5                3.663050    0.004953         NaN          NaN  0.061867   

score_type_name   p_aa_pp      rama       ref  
resNum                                         
1                     NaN       NaN -1.191180  
2               -0.442467 -0.795161  0.249477  
3               -0.096847  0.267443  0.979644  
4               -0.462765 -1.403292 -1.960940  
5                     NaN -0.600053       NaN  

编辑添加:reset_index()将从多索引(分层)转换为更平缓的样式。列名中仍然存在一些层次结构,有时最简单的方法就是执行df.columns=['var1','var2',...]操作,尽管如果执行一些搜索,还有更复杂的方法。

df.set_index(['struct_id','resNum','score_type_name']).unstack().reset_index()

                  struct_id resNum score_value                            
score_type_name                         fa_dun fa_dun_dev fa_dun_rot   
0                4294967297      1    2.185618   0.000027        NaN   
1                4294967297      2    1.378923   0.028560   1.350362   
2                4294967297      3    0.020352   0.025507  -0.005156   
3                4294967297      4    4.218029   0.003712        NaN   
4                4294967297      5    3.663050   0.004953        NaN   

我调试了一下。

  • DataFrame.pivot()和DataFrame.pivot_table()不同。
  • pivot()不接受索引列表。
  • pivot_table()接受。

在内部,它们都使用reset_index()/stack()/unstack()来完成任务。

pivot()只是简单用法的捷径,我认为。

相关问题 更多 >