本文介绍了元组到 DataFrame 转换的列表的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着跟版网的小编来一起学习吧！
问题描述
我有一个类似于下面的元组列表:
I have a list of tuples similar to the below:
[(date1, ticker1, value1),(date1, ticker1, value2),(date1, ticker1, value3)]
我想将其转换为具有 index=date1、columns=ticker1 和 values = values 的 DataFrame.最好的方法是什么?
I want to convert this to a DataFrame with index=date1, columns=ticker1, and values = values. What is the best way to do this?
我的最终目标是创建一个 datetimeindex 等于 date1 的 DataFrame，其值位于标有ticker"的列中:
My end goal is to create a DataFrame with a datetimeindex equal to date1 with values in a column labeled 'ticker':
df = pd.DataFrame(tuples, index=date1)
现在元组生成如下:
tuples=list(zip(*prc_path))
其中 prc_path 是一个形状为 (1000,1) 的 numpy.ndarray
where prc_path is a numpy.ndarray with shape (1000,1)
推荐答案
我想这就是你想要的:
>>> data = [('2013-01-16', 'AAPL', 1),
('2013-01-16', 'GOOG', 1.5),
('2013-01-17', 'GOOG', 2),
('2013-01-17', 'MSFT', 4),
('2013-01-18', 'GOOG', 3),
('2013-01-18', 'MSFT', 3)]
>>> df = pd.DataFrame(data, columns=['date', 'ticker', 'value'])
>>> df
date ticker value
0 2013-01-16 AAPL 1.0
1 2013-01-16 GOOG 1.5
2 2013-01-17 GOOG 2.0
3 2013-01-17 MSFT 4.0
4 2013-01-18 GOOG 3.0
5 2013-01-18 MSFT 3.0
>>> df.pivot('date', 'ticker', 'value')
ticker AAPL GOOG MSFT
date
2013-01-16 1 1.5 NaN
2013-01-17 NaN 2.0 4
2013-01-18 NaN 3.0 3
这篇关于元组到 DataFrame 转换的列表的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！
本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益，请联系我们，我们会在确认后第一时间进行删除！