使用 Pandas 将列转换为行

Question

因此，我的数据集按位置包含 n 个日期的一些信息。 问题是每个日期实际上是不同的列 header。 例如 CSV 看起来像

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

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列中有多少日期（尽管我知道它们总是在名称之后开始）

Answer 1

更新
从 v0.20 开始， melt是一阶函数，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

您可以使用pd.melt来获得大部分路径，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

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

注意： pd.DataFrame.sort 已被弃用，取而代之的是pd.DataFrame.sort_values 。

Answer 2

将set_index与stack一起用于MultiIndex Series ，然后为DataFrame添加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

Answer 3

pd.wide_to_long

您可以在年份列中添加前缀，然后直接提供给pd.wide_to_long 。 我不会假装这是有效的，但在某些情况下它可能比pd.melt更方便，例如当您的列已经有适当的前缀时。

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

Answer 4

我想我找到了一个更简单的解决方案

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')

将整个temp1与temp2的列name连接起来

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

你现在得到了你想要的。

Answer 5

添加指向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

Answer 6

如果您想将行与列和列与行交换，请尝试 pandas 的转置方法：

df.T

查看参考链接： https://note.nkmk.me/en/python-pandas-t-transpose/

Answer 7

我知道这不是该主题的有效答案，但我想将列转换为行。

我使用的是.stack() 我需要保留索引并将所有列添加为行

从此：178 行 x 73 列

对此：12994 行 x 1 列

非常有用 function :) 对不起图片，我不知道如何发布表格哈哈