使用Pandas将列转换为行

我的数据集有n个日期的位置信息。问题是每个日期实际上是一个不同的列标题。例如，CSV是这样的

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

我想要的是它看起来像这样

location    name    Date        Value
A           "test"  Jan-2010    12
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

我的问题是，我不知道有多少日期在列(虽然我知道他们总是开始后的名字)

232260 次浏览
小开
最佳答案
< p > 更新
从v0.20开始，melt是一个一阶函数，你现在可以使用

df.melt(id_vars=["location", "name"],
var_name="Date",
value_name="Value")


location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

旧(ER)版本:<0.20

你可以使用pd.melt来获取大部分内容，然后排序:

>>> df
location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"],
var_name="Date", value_name="Value")
>>> df2
location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

(可能想要抛出.reset_index(drop=True)，只是为了保持输出干净。)

请注意: pd.DataFrame.sort 已弃用代替pd.DataFrame.sort_values。

小开

我想我找到了一个更简单的解决办法

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

Concat整个temp1与temp2的列name

temp1['new_column'] = temp2['name']

你现在得到了你想要的东西。

小开

pd.wide_to_long

你可以给你的year列添加一个前缀，然后直接提供给pd.wide_to_long。我不会假装这是非常高效。，但在某些情况下，它可能比pd.melt更方便，例如，当你的列已经有一个适当的前缀。

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))


res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
.sort_values(['location', 'name'])


print(res)


name        Date location  Value
0  test    Jan-2010        A     12
2  test    Feb-2010        A     20
4  test  March-2010        A     30
1   foo    Jan-2010        B     18
3   foo    Feb-2010        B     20
5   foo  March-2010        B     25
小开

在MultiIndex Series中使用set_index和stack，然后在DataFrame中使用reset_index和rename:

df1 = (df.set_index(["location", "name"])
.stack()
.reset_index(name='Value')
.rename(columns={'level_2':'Date'}))
print (df1)
location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25
小开

添加一个可以复制的笔记本的链接，使用pandas.melt演示@DMS的答案:

df.melt(id_vars=["location", "name"],
var_name="date",
value_name="value")

https://deepnote.com/@DataScience/Unpivot-a-DataFrame-from-wide-to-long-format-lN7WlqOdSlqroI_7DGAkoA

小开

如果你想交换你的行与列&列和行，然后尝试pandas的转置方法:

df.T

参考链接: https://note.nkmk.me/en/python-pandas-t-transpose/ < / p >


提交答案