PYTHON的一维转二维

需求

实践中，很多数据是一维的，比如按客户编号构建的一张分地区、分阶段违约次数表。一维数组：

现在需要将其转换为二维矩阵，各地区、各阶段的客户违约次数之和。既做了一维转二维的工作，也做了分类汇总的工作。二维数组：

这类的业务需求很多，在实践中经常需要。在EXCEL中，是通过数据透视功能实现的。那么在大数据处理过程中，通过PYTHON怎么实现？PYTHON有一个专门的命令，pivot_table。今天就介绍pivot_table，重点说明怎么处理复合表头问题。

方式一：只是pivot_table

先创建数据：

#创建数据
import pandas as pd
import numpy as np
df = pd.DataFrame({'客户编号': ['001','002', '003','004','005', '006','007','008', '009','010','011', '012'],
                   '所在地区': ['福州','福州', '福州','福州','福州', '福州','泉州','泉州','泉州', '厦门', '厦门', '厦门'],
                   '所处阶段': ['阶段一', '阶段二', '阶段三','阶段二', '阶段三','阶段一', '阶段一','阶段二', '阶段三' ,'阶段一','阶段二','阶段三'],
                   '违约次数':[2,6,11,6,12,3,4,3,2,9,5,6]
                  })
df

以’所在地区’为行，即index；以所处阶段为列，即columns。以’违约次数’为表格数据，即values。数据加工方式求和，即sum。

#pivot_table
df_1=pd.pivot_table(df,index=['所在地区'],columns='所处阶段',values=['违约次数' ],aggfunc=np.sum)
df_1

结果是这样的：

其结果是两层标题表，复合表头，是无法后续加工处理的，如筛选等。

方式二：pivot_table+reset_index

代码如下：

df_1=pd.pivot_table(df,index=['所在地区'],columns='所处阶段',values=['违约次数' ],aggfunc=np.sum)
df_1.reset_index(inplace=True)
df_1

结果是这样的：

其结果仍然是两层标题表，复合表头，是无法后续加工处理的，如筛选等。

方式三：pivot_table+reset_index+list（unique）

两层标题表，本质上我们没有告诉程序，究竟要以什么作为标题；或者说，从列表的角度，本来就应该是两层标题，一级标题是“所处阶段”，二级标题是“阶段一”、“阶段二”、“阶段三”。只是我们希望删除一级标题，只要二级标题，从而便于后续处理。那我们就得告诉程序，用“阶段一”、“阶段二”、“阶段三”作为标题，使用list（unique）命令组合。
代码如下：

df_1=pd.pivot_table(df,index=['所在地区'],columns='所处阶段',values=['违约次数' ],aggfunc=np.sum)
val=list(df['所处阶段'].unique())
df_1.columns=pd.Series(val)
df_1.reset_index(inplace=True)
df_1

似乎是我们需要的。但要告诉大家的是，结果是错误的，厦门的阶段三应该是6，而不是5。为什么？

方式四：pivot_table+reset_index+sorted(list(unique))

为什么上面的方式三是错误的，是因为代码并不是按照“阶段一”、“阶段二”、“阶段三”排列、排序的。那就统一排序吧，使用sorted(list(unique))命令组合。

代码如下：

df_1=pd.pivot_table(df,index=['所在地区'],columns='所处阶段',values=['违约次数' ],aggfunc=np.sum)
val=sorted(list(df['所处阶段'].unique()))
df_1.columns=pd.Series(val)
df_1.reset_index(inplace=True)
df_1

结果如下：

到此，符合我们的要求。
更多内容，请关注微信公众号“风控学习笔记”。