Pandas实现指定宽表转换时cumcount索引错误的解决方法
问题根因
你之前的分组计数逻辑存在本质偏差:
- 原代码使用
groupby(col1).cumcount()时,是对每个字段值(ip、state、jobs、status)单独按自身出现顺序生成序号:ip出现3次对应序号0/1/2,state出现3次对应序号0/1/2,jobs、status仅出现1次对应序号0 - 最终pivot时会把所有序号为0的字段值(首个ip、首个state、唯一的jobs、唯一的status)全部归集到第一行,自然会出现第一行混入jobs、status值的错误结果。
解决思路
这类长表转宽表的场景,核心是找到「新记录的切分边界」:原数据里每一条独立的主机记录都是以ip字段为起始标记的,每出现一次ip,就代表切换到下一行目标宽表的记录。我们只需要给每一行分配它所属的目标行序号,再做透视即可。
可运行代码
import pandas as pd df = pd.DataFrame({ 'col1': ["ip", "state", "ip", "state", "jobs", "ip", "state", "status"], 'col2': ["10-0-11-99", "running","10-0-11-19", "running", "0/344","10-0-11-23", "running", "on"] }) # 1. 按ip标记切分记录:每遇到一次ip,累计的序号加1,减1是为了让序号从0开始 df['row_idx'] = (df['col1'] == 'ip').cumsum() - 1 # 2. 按分配好的行序号、字段名做透视 result = df.pivot(index='row_idx', columns='col1', values='col2') # 3. 按照目标格式调整列顺序、重置索引 result = result[['ip', 'state', 'jobs', 'status']].reset_index(drop=True)
运行后得到的输出完全匹配期望的格式:
ip state jobs status 0 10-0-11-99 running NaN NaN 1 10-0-11-19 running 0/344 NaN 2 10-0-11-23 running NaN on
内容的提问来源于stack exchange,提问作者Akash
相关产品推荐
相关产品推荐

