將pandas數據幀從wide轉換為long

Question

我有一個帶有以下列的pandas.Dataframe ：

a_1  ab_1  ac_1    a_2   ab_2   ac_2
2      3     4      5     6      7 

如何將其轉換為以下內容？

a    ab    ac 
2     3     4
5     6     7 

我試圖使用pandas melt來從寬格式轉換為長格式，但不確定語法。

Answer 1

您可以通過多索引和堆棧替換列：

df.columns = pd.MultiIndex.from_tuples(df.columns.str.split('_').map(tuple))
df = df.stack()

Answer 2

這是一種方法：

碼：

df.columns = pd.MultiIndex.from_tuples(
    [c.split('_') for c in df.columns], names=['col', 'row'])

df.melt().pivot(index='row', columns='col', values='value')

怎么樣？

1. 通過拆分_為列創建pandas.MultiIndex 。

2. melt數據框，然后從原始列名稱pivot元素。

測試代碼：

df = pd.DataFrame(
    data=[range(2, 8)],
    columns='a_1 ab_1 ac_1 a_2 ab_2 ac_2'.split()
)
print(df)

df.columns = pd.MultiIndex.from_tuples(
    [c.split('_') for c in df.columns], names=['col', 'row'])

print(df.melt().pivot(index='row', columns='col', values='value'))

結果：

   a_1  ab_1  ac_1  a_2  ab_2  ac_2
0    2     3     4    5     6     7

col  a  ab  ac
row           
1    2   3   4
2    5   6   7

大熊貓<0.20.0

如果在0.20.0之前使用pandas，則melt()如：

print(pd.melt(df).pivot(index='row', columns='col', values='value'))

Answer 3

您可以使用split for MultiIndex ，然后按stack重新reset_index ，最后使用reset_index刪除MultiIndex ：

df.columns = df.columns.str.split('_', expand=True)
df = df.stack().reset_index(drop=True)
print (df)
   a  ab  ac
0  2   3   4
1  5   6   7

---

df = df.stack().reset_index(level=0, drop=True)
print (df)
   a  ab  ac
1  2   3   4
2  5   6   7

Answer 4

您可以將數據框拆分為兩個，然后重命名列，最后將它們連接起來：

cols = ['a', 'ab', 'ac']
df1 = df[["a_1", "ab_1", "ac_1"]]
df2 = df[["a_2", "ab_2", "ac_2"]]
df1.columns = cols
df2.columns = cols
df3 = pd.concat([df1, df2], ignore_index=True)

Answer 5

如果你想使用pnd.melt你應該使用value_vars和value_name參數：

df_a = pnd.melt(df, value_vars=['a_1', 'a_2'], value_name='a')[['a']]
df_ab = pnd.melt(df, value_vars=['ab_1', 'ab_2'], value_name='ab')[['ab']]
df_ac = pnd.melt(df, value_vars=['ac_1', 'ac_2'], value_name='ac')[['ac']]
df_final = df_a.join(df_b).join(df_c)

或者，采取更實用的方法：

col_prefixes = ['a', 'ab', 'ac']
df_cuts = map(lambda x: pnd.melt(df, value_vars=['%s_1' % x, '%s_2' % x], value_name=x)[[x]], col_prefixes)
df_final = reduce(lambda x, y: x.join(y), df_cuts)

Answer 6

內置函數wide_to_long可以在文檔中看到更多：

In [115]: df
Out[115]: 
   a_1  ab_1  ac_1  a_2  ab_2  ac_2
0    2     3     4    5     6     7

In [116]: df['id'] = df.index

In [117]: df
Out[117]: 
   a_1  ab_1  ac_1  a_2  ab_2  ac_2  id
0    2     3     4    5     6     7   0
In [118]: pd.wide_to_long(df, ['a','ab','ac'],i='id',j='num',sep='_')
Out[118]: 
        a  ab  ac
id num           
0  1    2   3   4
   2    5   6   7