熊猫从长到宽

使用 pandas，我想将长数据帧转换为宽数据帧，但通常pivot方法没有我需要的那么灵活。

这是长数据：

raw = {
'sample':[1, 1, 1, 1, 2, 2, 3, 3, 3, 3],
'gene':['G1', 'G2', 'G3', 'G3', 'G1', 'G2', 'G2', 'G2', 'G3', 'G3'],
'type':['HIGH', 'HIGH', 'LOW', 'MED', 'HIGH', 'LOW', 'LOW', 'LOW', 'MED', 'LOW']}
df = pd.DataFrame(raw)`

产生

gene  sample  type
G1       1  HIGH
G2       1  HIGH
G3       1   LOW
G3       1   MED
G1       2  HIGH
G2       2   LOW
G2       3   LOW
G2       3   LOW
G3       3   MED
G3       3   LOW

我想要的是一个数据框，其中的行为gene和列作为sample，但我希望单元格值填充为“最大”type根据HIGH > MED > LOW > NONE即它应该看起来像

casted = {
'gene':['G1', 'G2', 'G3'],
'1':['HIGH', 'HIGH', 'MED'],
'2':['HIGH', 'LOW', 'NONE'],
'3':['NONE', 'LOW', 'MED']
}
dfCast = pd.DataFrame(casted)

这使得

1     2     3      gene
HIGH  HIGH  NONE   G1
HIGH  LOW   LOW    G2
MED   NONE  MED    G3

琐碎且错误的是，我的从长到宽的命令看起来像

df = df.pivot(index='gene', columns = 'sample', values='type')

但当然这并没有考虑到我想要强加的层次结构HIGH>MED>LOW>NONE

投射时，如何控制单元格值是什么？

您可以使用pivot_table它提供了一个aggfun聚合重复索引列值的方法；对关键词进行排序HIGH,MED,LOW按照您需要的顺序，将它们设置为字典的键，其值按单调顺序排列，然后选择极值min/max作为聚合函数：

cat = {"HIGH": 3, "MED": 2, "LOW": 1}
df.pivot_table("type", "gene", "sample", aggfunc=lambda x: max(x, key=cat.get))

或者另一种选择，转换type排序分类数据类型，然后使用pivot_table:

df['type'] = pd.Categorical(df['type'], ["LOW", "MED", "HIGH"], ordered=True)
df.pivot_table("type", "gene", "sample", aggfunc='max')