Как поменять местами группу заголовков столбцов с их значениями в Pandas

у меня есть следующий фрейм данных:

a1  | a2  | a3  | a4 
--------------------- 
Bob | Cat | Dov | Edd 
Cat | Dov | Bob | Edd
Edd | Cat | Dov | Bob

и я хочу преобразовать его в 

Bob | Cat | Dov | Edd
---------------------
a1  | a2  | a3  | a4
a3  | a1  | a2  | a4
a4  | a2  | a3  | a1

обратите внимание, что количество столбцов равно количеству уникальных значений, а количество и порядок строк сохраняются

7
dataframe pandas python

3 ответов

1) подход:

более быстрой реализацией будет сортировка значений фрейма данных и выравнивание столбцов соответственно на основе полученных индексов после np.argsort.

pd.DataFrame(df.columns[np.argsort(df.values)], df.index, np.unique(df.values))

enter image description here

применение np.argsort дает нам данные, которые мы ищем:

df.columns[np.argsort(df.values)]
Out[156]:
Index([['a1', 'a2', 'a3', 'a4'], ['a3', 'a1', 'a2', 'a4'],
       ['a4', 'a2', 'a3', 'a1']],
      dtype='object')

2) медленно обобщенных подход:

более обобщенный подход в то время как за счет некоторой скорости / эффективности было бы использовать apply после создания dict отображение строк/значений в таблице данных с соответствующими именами столбцов.

используйте конструктор dataframe позже после преобразования полученных рядов в их list представление.

pd.DataFrame(df.apply(lambda s: dict(zip(pd.Series(s), pd.Series(s).index)), 1).tolist())

3) быстрее обобщенных подход:

после получения списка словарей от df.to_dict + orient='records', нам нужно поменять местами соответствующие пары ключей и значений, повторяя их в цикле.

pd.DataFrame([{val:key for key, val in d.items()} for d in df.to_dict('r')])

образец теста:

df = df.assign(a5=['Foo', 'Bar', 'Baz'])

оба эти подхода дают:

enter image description here

@piRSquared EDIT 1

обобщенное решение 

def nic(df):
    v = df.values
    n, m = v.shape
    u, inv = np.unique(v, return_inverse=1)
    i = df.index.values
    c = df.columns.values
    r = np.empty((n, len(u)), dtype=c.dtype)
    r[i.repeat(m), inv] = np.tile(c, n)
    return pd.DataFrame(r, i, u)

1я хотел бы поблагодарить пользователя @piRSquared для придумывания действительно быстрой и обобщенной альтернативы на основе numpy soln.

9

вы можете изменить его с помощью stack и unstack с помощью замены значений и индекса:

df_swap = (df.stack()                     # reshape the data frame to long format
             .reset_index(level = 1)      # set the index(column headers) as a new column
             .set_index(0, append=True)   # set the values as index
             .unstack(level=1))           # reshape the data frame to wide format

df_swap.columns = df_swap.columns.get_level_values(1)   # drop level 0 in the column index
df_swap

enter image description here

5

numpy + pandas 

v = df.values
n, m = v.shape
i = df.index.values
c = df.columns.values

# create series with values that were column values
# create multi index with first level from existing index
# and second level from flattened existing values
# then unstack
pd.Series(
    np.tile(c, n),
    [i.repeat(m), v.ravel()]
).unstack()

  Bob Cat Dov Edd
0  a1  a2  a3  a4
1  a3  a1  a2  a4
2  a4  a2  a3  a1
1