df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) 用pivot_table改变展示形式

可以使用 `pivot_table` 方法来改变 DataFrame 的展示形式。如下所示：

import pandas as pd

df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})

# 使用 pivot_table 方法改变展示形式
df_pivot = pd.pivot_table(df, values='col2', index='col1', aggfunc='sum')

print(df_pivot)

输出结果为：

      col2
col1      
A        3
B        7
C        5

其中，`values` 参数指定要聚合的列，`index` 参数指定用于分组的列，`aggfunc` 参数指定聚合函数。以上代码中，我们使用了 `sum` 函数对 `col2` 列进行求和聚合。

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：

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])`。