Aplatir DataFrame avec multi-colonnes d'index

Je voudrais convertir une Pandas DataFrame qui est dérivée à partir d'un tableau croisé dynamique dans une rangée de la représentation comme indiqué ci-dessous.

C'est là où j'en suis:

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'goods': ['a', 'a', 'b', 'b', 'b'],
    'stock': [5, 10, 30, 40, 10],
    'category': ['c1', 'c2', 'c1', 'c2', 'c1'],
    'date': pd.to_datetime(['2014-01-01', '2014-02-01', '2014-01-06', '2014-02-09', '2014-03-09'])
})
# we don't care about year in this example
df['month'] = df['date'].map(lambda x: x.month)
piv = df.pivot_table(["stock"], "month", ["goods", "category"], aggfunc="sum")
piv = piv.reindex(np.arange(piv.index[0], piv.index[-1] + 1))
piv = piv.ffill(axis=0)
piv = piv.fillna(0)
print piv

qui résultats dans

stock            
goods        a       b    
category    c1  c2  c1  c2
month                     
1            5   0  30   0
2            5  10  30  40
3            5  10  10  40

Et c'est là que je veux faire.

goods category month stock
    a       c1     1     5
    a       c1     2     0
    a       c1     3     0
    a       c2     1     0
    a       c2     2    10
    a       c2     3     0
    b       c1     1    30
    b       c1     2     0
    b       c1     3    10
    b       c2     1     0
    b       c2     2    40
    b       c2     3     0

Auparavant, J'ai utilisé

piv = piv.stack()
piv = piv.reset_index()
print piv

pour se débarrasser de la multi-index, mais cette résultats dans ce parce que j'ai croisé dynamique maintenant sur deux colonnes (["goods", "category"]):

      month category stock    
goods                    a   b
0         1       c1     5  30
1         1       c2     0   0
2         2       c1     5  30
3         2       c2    10  40
4         3       c1     5  10
5         3       c2    10  40

Personne ne sait comment je peux me débarrasser de la multi-index dans la colonne et obtenir le résultat dans un DataFrame de l'illustré format?

OriginalL'auteur orange | 2014-12-20

>>> piv.unstack().reset_index().drop('level_0', axis=1)
   goods category  month   0
0      a       c1      1   5
1      a       c1      2   5
2      a       c1      3   5
3      a       c2      1   0
4      a       c2      2  10
5      a       c2      3  10
6      b       c1      1  30
7      b       c1      2  30
8      b       c1      3  10
9      b       c2      1   0
10     b       c2      2  40
11     b       c2      3  40

puis tous vous avez besoin est de changer la dernière colonne nom de 0 à stock.

hmmmm, faire fondre (ma réponse) perd mois à partir de l'indice 🙁
Merci. Il fonctionne très bien avec mon exemple. Cependant, je n'arrive pas à comprendre pourquoi l'utilisation de stack déjà travaillé et maintenant, je doit utiliser unstack.

OriginalL'auteur behzad.nouri

Il me semble que faire fondre (aka unpivot) est très proche de ce que vous voulez faire:

In [11]: pd.melt(piv)
Out[11]:
      NaN goods category  value
0   stock     a       c1      5
1   stock     a       c1      5
2   stock     a       c1      5
3   stock     a       c2      0
4   stock     a       c2     10
5   stock     a       c2     10
6   stock     b       c1     30
7   stock     b       c1     30
8   stock     b       c1     10
9   stock     b       c2      0
10  stock     b       c2     40
11  stock     b       c2     40

Il y a un voleur colonne (stock), qui apparaît ici que l'en-tête de colonne est constante dans les piv. Si nous arrêtons d'abord la fonte des œuvres OOTB:

In [12]: piv.columns = piv.columns.droplevel(0)

In [13]: pd.melt(piv)
Out[13]:
   goods category  value
0      a       c1      5
1      a       c1      5
2      a       c1      5
3      a       c2      0
4      a       c2     10
5      a       c2     10
6      b       c1     30
7      b       c1     30
8      b       c1     10
9      b       c2      0
10     b       c2     40
11     b       c2     40

Edit: au-dessus de La baisse de l'indice, vous avez besoin de faire une colonne avec reset_index:

In [21]: pd.melt(piv.reset_index(), id_vars=['month'], value_name='stock')
Out[21]:
    month goods category  stock
0       1     a       c1      5
1       2     a       c1      5
2       3     a       c1      5
3       1     a       c2      0
4       2     a       c2     10
5       3     a       c2     10
6       1     b       c1     30
7       2     b       c1     30
8       3     b       c1     10
9       1     b       c2      0
10      2     b       c2     40
11      3     b       c2     40

Fonction intéressante, mais d'où vient le "mois" de la colonne aller?
l'indice semble être tombé, laissant cette réponse ici qu'il pourrait être utile à certains (j'espère que je peux le fixer!).
Vous pensez que c'est un bug ou est-ce à dessein?
Je ne dirais pas que c'est un bug, mais peut-être une fonction/d'amélioration (pour ne pas drop index). Aussi, vous ne pouvez pas passer des choses comme col_level=[1, 2] qui serait utile ici.
Merci quand même. Je garde un oeil sur cette fonction pour l'utiliser dans le futur.

OriginalL'auteur Andy Hayden

Vous devez vous connecter pour publier un commentaire.