中级农民
- 积分
- 148
- 大米
- 颗
- 鳄梨
- 个
- 水井
- 尺
- 蓝莓
- 颗
- 萝卜
- 根
- 小米
- 粒
- 学分
- 个
- 注册时间
- 2015-3-20
- 最后登录
- 1970-1-1
|
问题是出在dataset是长什么样子的。
一般潜意识会认为,这个dataset有一个column叫delay type,这个column里面的值就是你的delays_list。这种情况下应该这样写:
data.pivot_table(index='flight_date', values= 'arr_delay', columns = 'delay type', aggfunc='sum')
不知道你里面没,它会把 ‘delay type’里面的值拿出来做pivot _table的column。
但是这道题的dataset不长这个样子,我去你的链接看了一下。
CarrierDelay Carrier Delay, in Minutes
WeatherDelay Weather Delay, in Minutes
NASDelay National Air System Delay, in Minutes
SecurityDelay Security Delay, in Minutes
LateAircraftDelay Late Aircraft Delay, in Minutes
这几个已经是dataset的column了。
pivot table里面的value的含义是,values to aggregate。这里你就要把这5个column里面的value去aggregate。所以你的delay_list 把这5个column的name 赋给了value。其实,你这里呢,不像是一个pivot table,更像是一个简单的groupby function。
同样的我可以这样写。data.groupby(by = 'FlightDate').sum().loc[:, delay_list]
好我们现在来看第二种写法对于这个dataset出现了什么问题。
data.pivot_table(index='flight_date', columns = delay_list, values=arr_delay, aggfunc='sum')
index没有问题,values没有问题,columns就有问题了。columns本来的意思是要把这些columns的值拿出来作为新的pivot table的column。如果没有重复,你相当于拿出来了(5*row#)的值作为你新的pivot_table的新的column。所以你就会有10000多列了。
所以这种正常写法针对我提及的第一种模样的dataset是适用的,但是本题的含义其实不是在pivot_table,我觉得就是个简单的group_by。
补充内容 (2018-10-9 23:19):
相当于有如下的dataset
flight date delay type arr delay
a b c
c d e
f g h
你pivot table以后会变成
b d g
a
c
f
补充内容 (2018-10-9 23:22):
但是你本身的dataset是长这个样子的
flight date b d g arr delay
a 1 2 3 4
b 2 3 5 6
c 7 8 9 10
你如果用你所谓的正常方法写出来的是这样
1 2 3 4 5 6 7 8 9 10
a
b
c |
|