piovt table python_python – Pandas：pivot和pivot_table之间的区别...

我有以下数据帧.

df.head(30)

struct_id resNum score_type_name score_value

0 4294967297 1 omega 0.064840

1 4294967297 1 fa_dun 2.185618

2 4294967297 1 fa_dun_dev 0.000027

3 4294967297 1 fa_dun_semi 2.185591

4 4294967297 1 ref -1.191180

5 4294967297 2 rama -0.795161

6 4294967297 2 omega 0.222345

7 4294967297 2 fa_dun 1.378923

8 4294967297 2 fa_dun_dev 0.028560

9 4294967297 2 fa_dun_rot 1.350362

10 4294967297 2 p_aa_pp -0.442467

11 4294967297 2 ref 0.249477

12 4294967297 3 rama 0.267443

13 4294967297 3 omega 0.005106

14 4294967297 3 fa_dun 0.020352

15 4294967297 3 fa_dun_dev 0.025507

16 4294967297 3 fa_dun_rot -0.005156

17 4294967297 3 p_aa_pp -0.096847

18 4294967297 3 ref 0.979644

19 4294967297 4 rama -1.403292

20 4294967297 4 omega 0.212160

21 4294967297 4 fa_dun 4.218029

22 4294967297 4 fa_dun_dev 0.003712

23 4294967297 4 fa_dun_semi 4.214317

24 4294967297 4 p_aa_pp -0.462765

25 4294967297 4 ref -1.960940

26 4294967297 5 rama -0.600053

27 4294967297 5 omega 0.061867

28 4294967297 5 fa_dun 3.663050

29 4294967297 5 fa_dun_dev 0.004953

根据数据透视文档,我应该能够使用pivot函数在score_type_name上重新整形.

df.pivot(columns='score_type_name',values='score_value',index=['struct_id','resNum'])

但是,我得到以下内容.

但是,pivot_table函数似乎有效：

pivoted = df.pivot_table(columns='score_type_name',

values='score_value',

index=['struct_id','resNum'])

但至少对我来说,它并不适合进一步分析.我希望它只将struct_id,resNum和score_type_name作为列,而不是将score_type_name堆叠在其他列的顶部.另外,我希望struct_id适用于每一行,而不是像连接表一样聚合在连接的行中.

所以任何人都可以告诉我如何获得一个漂亮的Dataframe,就像我想使用pivot一样？此外,从文档中,我无法分辨为什么pivot_table工作,而枢轴没有.如果我看一下pivot的第一个例子,它看起来就像我需要的那样.

附：

我确实发了一个关于这个问题的问题,但我在演示输出方面表现不佳,我删除了它并再次尝试使用ipython notebook.如果你看到这两次,我会提前道歉.

编辑 – 我想要的结果看起来像这样(在excel中制作)：

StructId resNum pdb_residue_number chain_id name3 fa_dun fa_dun_dev fa_dun_rot fa_dun_semi omega p_aa_pp rama ref

4294967297 1 99 A ASN 2.1856 0.0000 2.1856 0.0648 -1.1912

4294967297 2 100 A MET 1.3789 0.0286 1.3504 0.2223 -0.4425 -0.7952 0.2495

4294967297 3 101 A VAL 0.0204 0.0255 -0.0052 0.0051 -0.0968 0.2674 0.9796

4294967297 4 102 A GLU 4.2180 0.0037 4.2143 0.2122 -0.4628 -1.4033 -1.9609

4294967297 5 103 A GLN 3.6630 0.0050 3.6581 0.0619 -0.2759 -0.6001 -1.5172

4294967297 6 104 A MET 1.5175 0.2206 1.2968 0.0504 -0.3758 -0.7419 0.2495

4294967297 7 105 A HIS 3.6987 0.0184 3.6804 0.0547 0.4019 -0.1489 0.3883

4294967297 8 106 A THR 0.1048 0.0134 0.0914 0.0003 -0.7963 -0.4033 0.2013

4294967297 9 107 A ASP 2.3626 0.0005 2.3620 0.0521 0.1955 -0.3499 -1.6300

4294967297 10 108 A ILE 1.8447 0.0270 1.8176 0.0971 0.1676 -0.4071 1.0806

4294967297 11 109 A ILE 0.1276 0.0092 0.1183 0.0208 -0.4026 -0.0075 1.0806

4294967297 12 110 A SER 0.2921 0.0342 0.2578 0.0342 -0.2426 -1.3930 0.1654

4294967297 13 111 A LEU 0.6483 0.0019 0.6464 0.0845 -0.3565 -0.2356 0.7611

4294967297 14 112 A TRP 2.5965 0.1507 2.4457 0.5143 -0.1370 -0.5373 1.2341

4294967297 15 113 A ASP 2.6448 0.1593 0.0510 -0.5011