J'ai les éléments suivants Python pandas dataframe:
fruits | numFruits
---------------------
0 | apples | 10
1 | grapes | 20
2 | figs | 15
Je voudrais:
apples | grapes | figs
-----------------------------------------
Market 1 Order | 10 | 20 | 15
J'ai examiné pivot (), pivot_table (), Transpose et unstack () et aucun d'entre eux ne semble me donner cela. Pandas newbie, donc toute aide appréciée.
Vous avez besoin set_index
avec transposition par T
:
print (df.set_index('fruits').T)
fruits apples grapes figs
numFruits 10 20 15
Si besoin de renommer des colonnes, c'est un peu compliqué:
print (df.rename(columns={'numFruits':'Market 1 Order'})
.set_index('fruits')
.rename_axis(None).T)
apples grapes figs
Market 1 Order 10 20 15
Une autre solution plus rapide consiste à utiliser numpy.ndarray.reshape
:
print (pd.DataFrame(df.numFruits.values.reshape(1,-1),
index=['Market 1 Order'],
columns=df.fruits.values))
apples grapes figs
Market 1 Order 10 20 15
Timings :
#[30000 rows x 2 columns]
df = pd.concat([df]*10000).reset_index(drop=True)
print (df)
In [55]: %timeit (pd.DataFrame([df.numFruits.values], ['Market 1 Order'], df.fruits.values))
1 loop, best of 3: 2.4 s per loop
In [56]: %timeit (pd.DataFrame(df.numFruits.values.reshape(1,-1), index=['Market 1 Order'], columns=df.fruits.values))
The slowest run took 5.64 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 424 µs per loop
In [57]: %timeit (df.rename(columns={'numFruits':'Market 1 Order'}).set_index('fruits').rename_axis(None).T)
100 loops, best of 3: 1.94 ms per loop
pd.DataFrame([df.numFruits.values], ['Market 1 Order'], df.fruits.values)
apples grapes figs
Market 1 Order 10 20 15
Reportez-vous à l'amélioration de jezrael de ce concept. df.numFruits.values.reshape(1, -1)
est plus efficace.
Vous pouvez utiliser un api de transposition de pandas comme suit:
df.transpose()
Considérant que df est votre pandas dataframe