pivot_table() 到 df 没有要聚合的数字类型

Question

我有一个 df，我正试图对其进行非规范化。基本上我想更改参数值，例如，'inst-cap-c'，'cap-lo-c'等...成列。为了做到这一点，pandas 库中目前有 2 种方法。对于他们两个，我都遇到了一些问题并且无法对这个 df 进行非规范化......df 如下所示（为简单起见...）：data          Site  Storage Commodity     parameter    value0  Mid   Pump    Elec         inst-cap-c        01  Mid   Pump    Elec           cap-lo-c        02  Mid   Pump    Elec           cap-up-c  1.5e+153  Mid   Pump    Elec         inst-cap-p        04  Mid   Pump    Elec           cap-lo-p        0...52 South Pump    Elec               wacc     0.0753 South Pump    Elec       depreciation       5054 South Pump    Elec               init        155 South Pump    Elec          discharge  3.5e-0656 South Pump    Elec           ep-ratio     None当我尝试通过以下方式创建带有参数值的列时：data.pivot_table(values='value',                 index=['Site', 'Storage', 'Commodity'],                 columns='parameter')它只是说： *** pandas.core.base.DataError: No numeric types to aggregate我猜这是因为 的None值ep-ratio，我不能使用NaNover None，因为它造成了其他问题。那么我怎样才能对这个数据帧进行非规范化呢？预期结果：data          Site    Storage  Commodity  inst-cap-c  cap-lo-c cap-up-c ... ep-ratio0  Mid     Pump     Elec                0         0  1.5e+15 ...     None1  North   Pump     Elec                0         0  1.5e+15 ...     None2  South   Pump     Elec                0         0  1.5e+15 ...     None额外的：data.set_index(['Site', 'Storage','Commodity'], append=True).unstack('parameter')*** KeyError: 'Level parameter not found'

Answer 1

您已关闭，需要将parameter列添加到列表中，选择value之前unstack和最后使用的列reset_index以rename_axis进行数据清理：

df = (data.set_index(['Site', 'Storage','Commodity','parameter'])['value']

          .unstack()

          .reset_index()

          .rename_axis(None, axis=1))

print (df)

    Site Storage Commodity cap-lo-c cap-lo-p cap-up-c depreciation discharge  \

0    Mid    Pump      Elec        0        0  1.5e+15          NaN       NaN   

1  South    Pump      Elec      NaN      NaN      NaN           50   3.5e-06   

  ep-ratio init inst-cap-c inst-cap-p  wacc  

0      NaN  NaN          0          0   NaN  

1     None    1        NaN        NaN  0.07