在数据分析中，经常需要对数据进行灵活的重组和统计分析。例如，将包含日期和类型的数据集转换为每日不同类型计数的统计表。本文将演示如何使用Pandas库高效地完成此类操作。
假设我们有一个包含'date'（日期）和'type'（类型）两列的数据框（DataFrame），数据示例如下：
date type
2024-01-01 1
2024-01-01 2
2024-01-01 1
2024-01-02 3
2024-01-02 2
2024-01-02 3
2024-01-02 1
2024-01-02 1
2024-01-03 1
2024-01-03 4
2024-01-03 2
2024-01-03 5
...目标是将数据转换为如下格式，显示每种类型在每一天的计数：
date type1 type2 type3 type4 type5
2024-01-01 2 1 0 0 0
2024-01-02 2 1 2 0 0
2024-01-03 1 1 0 1 1
...我们可以利用Pandas的pd.get_dummies()和groupby()函数组合实现这一目标。以下是Python代码：
import pandas as pd
# 示例数据
data = {
'date': ['2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-03', '2024-01-03', '2024-01-03', '2024-01-03'],
'type': [1, 2, 1, 3, 2, 3, 1, 1, 1, 4, 2, 5]
}
df = pd.DataFrame(data)
# 使用get_dummies()进行one-hot编码
df_encoded = pd.get_dummies(df, columns=['type'], prefix='type')
# 使用groupby()和sum()进行分组统计
result = df_encoded.groupby('date').sum()
# 打印结果
print(df_encoded)
print("-" * 60)
print(result)
代码首先使用pd.get_dummies()将'type'列转换为虚拟变量，然后使用groupby('date').sum()对日期进行分组并对每个类型进行求和，最终得到目标统计表。
输出结果类似于：
date type_1 type_2 type_3 type_4 type_5
0 2024-01-01 1 0 0 0 0
1 2024-01-01 0 1 0 0 0
2 2024-01-01 1 0 0 0 0
3 2024-01-02 0 0 1 0 0
4 2024-01-02 0 1 0 0 0
5 2024-01-02 0 0 1 0 0
6 2024-01-02 1 0 0 0 0
7 2024-01-02 1 0 0 0 0
8 2024-01-03 1 0 0 0 0
9 2024-01-03 0 0 0 1 0
10 2024-01-03 0 1 0 0 0
11 2024-01-03 0 0 0 0 1
------------------------------------------------------------
type_1 type_2 type_3 type_4 type_5
date
2024-01-01 2 1 0 0 0
2024-01-02 2 1 2 0 0
2024-01-03 1 1 0 1 1通过这个简洁的代码，我们可以轻松地完成Pandas数据列转统计，提高数据分析效率。
