处理DataFrame数据——利用Groupby函数分类汇总数据并转为矩阵

问题

我的手头有35万条数据，包含三个属性：时间、数量和ID。我现在需要以时间、ID分类，对数量进行求和统计（分类汇总）；然后以time列为行（x轴），ID为列（y轴），num为值建立矩阵。

读取数据如下：

我们可以利用groupby函数进行分类汇总
以time，id为key进行分类，然后对num进行求和统计;得到的是Series数据

df1=df.groupby(["time","Id"])["num"].sum()

Series数据有两层索引，第一层为time，第二层为id，可以根据两者定位数据

可以利用stack和unstack将数据旋转成我们需要的格式

stack()即“堆叠”，作用是将列旋转到行
unstack()即stack()的反操作，将行旋转到列

两者默认都是对最里层索引处理，也就id层旋转。但是我们可以传入参数制定旋转的索引

df1=df1.unstack(1)#对最里层旋转

df1=df1.unstack(0)#对最外层旋转

当然也可以对DataFrame数据进行旋转，就变回了Series数据

代码

import pandas as pd

df = pd.read_csv("data.csv",encoding='utf8',dtype={"num": int})

df1=df.groupby(["time","Id"])["num"].sum()
df1=df1.unstack()
df1=df1.fillna(0).astype(int)

df1.to_csv("矩阵.csv",index = False)

欢迎关注本人的公众号：燕南路GISer ，专注GIS干货分享，不定期更新。
提问求资源等都可在公众号后台留言
后期CSDN的博客都会逐步迁移过去。