df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) 怎么展现成col1 col2 A 1 2 B 3 4 C 5形式
时间: 2023-08-05 20:07:26 浏览: 49
可以使用 `pivot()` 函数来完成这个任务。具体来说,可以将 'col1' 列作为行索引,将 'col2' 列作为列索引,然后使用 `values` 参数指定数据填充值。示例如下:
```python
import pandas as pd
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})
# 使用 pivot() 函数
df_pivot = df.pivot(index='col1', columns='col2', values='col2')
# 重命名列索引
df_pivot.columns.name = None
# 打印结果
print(df_pivot)
```
输出结果为:
```
1 2 3 4 5
A 1 2 NaN NaN NaN
B NaN NaN 3 4 NaN
C NaN NaN NaN NaN 5
```
如果希望缺失值被填充为 0,可以使用 `fillna()` 函数:
```python
df_pivot = df.pivot(index='col1', columns='col2', values='col2').fillna(0)
```
输出结果为:
```
1 2 3 4 5
A 1 2 0 0 0
B 0 0 3 4 0
C 0 0 0 0 5
```
相关问题
df1 = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) df = df.set_index(['col1','col2']) 怎么让df1和df的展现形式一样,但是不用set_index
你可以使用以下代码来实现:
```python
df1 = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})
df = df.pivot(index='col1', columns='col2', values='col2')
df.columns.name = None
df.index.name = None
print(df)
```
这将产生以下输出:
```
1 2 3 4 5
A 1 2 NaN NaN NaN
B NaN NaN 3 4 NaN
C NaN NaN NaN NaN 5
```
这里使用 `pivot` 将原始数据转换为具有所需形式的 DataFrame。然后,我们删除了行名和列名,以便它的展示形式与 `df1` 相同。
df = pd.DataFrame(weights_col)
这行代码创建了一个名为 `df` 的 Pandas DataFrame 对象,其中 `weights_col` 是一个列向量,可能是一个 NumPy ndarray 或 Pandas Series 对象。DataFrame 的每一列都可以有一个名称,但在这种情况下,由于没有指定名称,该列将默认命名为数字索引。如果您想要指定列名,可以使用 `df = pd.DataFrame(weights_col, columns=[your_column_names])`。