將方形熊貓數據框轉換為高格式

Question

我有一個數據框，它是一個相關矩陣。 我想從中創建一個圖形並這樣做，我需要轉換如下所示的相關數據框

df = pd.DataFrame([[1,0.2,0.4],[0.2,1,0.6],[0.4,0.6,1]])
df.columns = list('ABC')
df.index= list('ABC')
df

# result- 

     A    B    C
A  1.0  0.2  0.4
B  0.2  1.0  0.6
C  0.4  0.6  1.0

這種格式-

df = pd.DataFrame({ 'from':['A', 'A', 'A', 'B', 'B', 'C'], 'to':['A', 'B', 'C', 'B', 'C', 'C'], 'value':[1, 0.2,0.4,1,0.6,1]})
df

# result- 
  from to  value
0    A  A    1.0
1    A  B    0.2
2    A  C    0.4
3    B  B    1.0
4    B  C    0.6
5    C  C    1.0

我該如何實現？

Answer 1

使用stack + rename_axis + reset_index ：

df1 = df.stack().rename_axis(('from','to')).reset_index(name='value')
print (df1)
  from to  value
0    A  A    1.0
1    A  B    0.2
2    A  C    0.4
3    B  A    0.2
4    B  B    1.0
5    B  C    0.6
6    C  A    0.4
7    C  B    0.6
8    C  C    1.0

另一個numpy的解決方案：

a = np.repeat(df.columns, len(df.index))
b = np.tile(df.index, len(df.columns))
c = df.values.ravel()

df1 = pd.DataFrame({'from':a, 'to':b, 'value':c})
print (df1)

  from to  value
0    A  A    1.0
1    A  B    0.2
2    A  C    0.4
3    B  A    0.2
4    B  B    1.0
5    B  C    0.6
6    C  A    0.4
7    C  B    0.6
8    C  C    1.0

編輯：

刪除重復項的另一種解決方案：

df = pd.DataFrame([[1,0.2,0.4],[0.2,1,0.6],[0.4,0.6,1]])
df.columns = list('ACC')
df.index= list('ABC')
print (df)
     A    C    C
A  1.0  0.2  0.4
B  0.2  1.0  0.6
C  0.4  0.6  1.0

a = np.repeat(df.columns, len(df.index))
b = np.tile(df.index, len(df.columns))
c = df.values.ravel()

df1 = pd.DataFrame({'from':a, 'to':b, 'value':c})

df1 = (pd.DataFrame(np.sort(df1[['from','to']], axis=1), columns=['from','to'])
        .drop_duplicates())
print (df1)

  from to
0    A  A
1    A  B
2    A  C
4    B  C
5    C  C

Answer 2

我接受了耶斯萊爾的回答。 為了完整起見，我添加了幾行內容來刪除重復項。

# from jezrael's solution
df1 = df.stack().rename_axis(('from','to')).reset_index(name='value')

# drop the dupes
df1.loc[:, ['from', 'to']] = df1.loc[:, ['from', 'to']].apply(sorted, axis=1)
df1.drop_duplicates()
# result -
  from to
0    A  A
1    A  B
2    A  C
4    B  B
5    B  C
8    C  C