在 Python Pandas 中將列轉換為行

Question

我有以下 Python 熊貓數據框：

     fruits | numFruits
---------------------
0  | apples |   10
1  | grapes |   20
2  |  figs  |   15

我想要：

                 apples | grapes | figs
-----------------------------------------
Market 1 Order |    10  |   20   |  15

我看過pivot()、pivot_table()、Transpose和unstack()，但似乎沒有一個給我這個。 熊貓新手，所以感謝所有幫助。

Answer 1

你需要set_index和T轉置：

print (df.set_index('fruits').T)
fruits     apples  grapes  figs
numFruits      10      20    15

如果需要重命名列，有點復雜：

print (df.rename(columns={'numFruits':'Market 1 Order'})
         .set_index('fruits')
         .rename_axis(None).T)
                apples  grapes  figs
Market 1 Order      10      20    15

另一個更快的解決方案是使用numpy.ndarray.reshape ：

print (pd.DataFrame(df.numFruits.values.reshape(1,-1), 
                    index=['Market 1 Order'], 
                    columns=df.fruits.values))

                apples  grapes  figs
Market 1 Order      10      20    15

時間：

#[30000 rows x 2 columns] 
df = pd.concat([df]*10000).reset_index(drop=True)    
print (df)


In [55]: %timeit (pd.DataFrame([df.numFruits.values], ['Market 1 Order'], df.fruits.values))
1 loop, best of 3: 2.4 s per loop

In [56]: %timeit (pd.DataFrame(df.numFruits.values.reshape(1,-1), index=['Market 1 Order'], columns=df.fruits.values))
The slowest run took 5.64 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 424 µs per loop

In [57]: %timeit (df.rename(columns={'numFruits':'Market 1 Order'}).set_index('fruits').rename_axis(None).T)
100 loops, best of 3: 1.94 ms per loop

Answer 2

pd.DataFrame([df.numFruits.values], ['Market 1 Order'], df.fruits.values)

                apples  grapes  figs
Market 1 Order      10      20    15

---

參考 jezrael 對這個概念的增強。 df.numFruits.values.reshape(1, -1)效率更高。

Answer 3

您可以使用熊貓的轉置 api 如下：

df.transpose()

將 df 視為您的熊貓數據框