pandas dataframe 寬到長

Question

我有一個 dataframe 像這樣：

id  type  count_x count_y count_z sum_x sum_y sum_z
1    A      12      1        6     34    43     25
1    B      4       5        8     12    37     28

現在我想通過按id和type分組來轉換它，然后像這樣從寬轉換為長：

id  type   variable  value  calc
1    A       x        12    count
1    A       y        1     count
1    A       z        6     count
1    B       x        4     count
1    B       y        5     count
1    B       z        8     count
1    A       x        34    sum
1    A       y        43    sum
1    A       z        25    sum
1    B       x        12    sum
1    B       y        37    sum
1    B       z        28    sum

我怎樣才能做到這一點？

Answer 1

嘗試使用melt ：

res = pd.melt(df,id_vars=['id', 'type'])
res[['calc', 'variable']] = res.variable.str.split('_', expand=True)

---

	ID	類型	多變的	價值	計算
0	1	一個	X	12	數數
1	1	乙	X	4	數數
2	1	一個	是的	1	數數
3	1	乙	是的	5	數數
4	1	一個	z	6	數數
5	1	乙	z	8	數數
6	1	一個	X	34	和
7	1	乙	X	12	和
8	1	一個	是的	43	和
9	1	乙	是的	37	和
10	1	一個	z	25	和
11	1	乙	z	28	和

更新：

使用stack ：

df1 = (df.set_index(['id', 'type']).stack().rename('value').reset_index())
df1 = df1.drop('level_2',axis=1).join(df1['level_2'].str.split('_', 1, expand=True).rename(columns={0:'calc', 1:'variable'}))

---

	ID	類型	價值	計算	多變的
0	1	一個	12	數數	X
1	1	一個	1	數數	是的
2	1	一個	6	數數	z
3	1	一個	34	和	X
4	1	一個	43	和	是的
5	1	一個	25	和	z
6	1	乙	4	數數	X
7	1	乙	5	數數	是的
8	1	乙	8	數數	z
9	1	乙	12	和	X
10	1	乙	37	和	是的
11	1	乙	28	和	z

Answer 2

您可以結合使用 melt 和 split()

df = pd.DataFrame({'id': [1,1], 'type': ['A', 'B'], 'count_x':[12,4], 'count_y': [1,5], 'count_z': [6,8], 'sum_x': [34, 12], 'sum_y': [43, 37], 'sum_z': [25, 28]})

df_melt = df.melt(id_vars=['id', 'type'])

df_melt[['calc', 'variable']] = df_melt['variable'].str.split("_", expand=True)

df_melt



    id  type    variable    value   calc
0   1   A   x   12  count
1   1   B   x   4   count
2   1   A   y   1   count
3   1   B   y   5   count
4   1   A   z   6   count
5   1   B   z   8   count
6   1   A   x   34  sum
7   1   B   x   12  sum
8   1   A   y   43  sum
9   1   B   y   37  sum
10  1   A   z   25  sum
11  1   B   z   28  sum

Answer 3

假設您的 pandas DataFrame 是df_wide ，您可以在df_long中獲得所需的結果，

df_long = df.melt(id_vars=['id', 'type'], value_vars=['count_x', 'count_y', 'count_z', 'sum_x', 'sum_y', 'sum_z'])
df_long['calc'] = df_long['variable'].apply(lambda x: x.split('_')[0])
df_long['variable'] = df_long['variable'].apply(lambda x: x.split('_')[1])

Answer 4

您可以使用pyjanitor中的pivot_longer重塑數據：

df.pivot_longer(index = ['id', 'type'], 
                # names of the new columns
                # note the order
                names_to = ['calc', 'variable'], 
                values_to = 'value', 
                # delimiter for the columns
                # first value is assigned to `calc`, 
                # the other goes to `variable`
                names_sep='_')
 
    id type   calc variable  value
0    1    A  count        x     12
1    1    B  count        x      4
2    1    A  count        y      1
3    1    B  count        y      5
4    1    A  count        z      6
5    1    B  count        z      8
6    1    A    sum        x     34
7    1    B    sum        x     12
8    1    A    sum        y     43
9    1    B    sum        y     37
10   1    A    sum        z     25
11   1    B    sum        z     28