为多个目标/列旋转数据框答案

【问题标题】：Pivoting dataframe for multiple targets/columns为多个目标/列旋转数据框
【发布时间】：2022-07-20 16:19:45
【问题描述】：

我有一个包含 6 列的数据框

date    col1    col2    t1    t2    t3    col3
12      23.2     23.2   100   200   300    1
13      34.2     12.2   10    223   122    2
14      32        12    10     20   100    3

我想将此数据框转换为：

date    col1    col2    t_day    t_val    col3
12       23.2   23.2     1        100      1
12       23.2   23.2     2        200      1
12       23.2   23.2     3        300      1
13       34.2   12.2     1        10       2
13       34.2   12.2     2        223      2
13       34.2   12.2     3        122      2
14       32     12       1        10       3
14       32     12       1        20       3
14       32     12       1        100      3

需要以匹配 't*' 的所有列为中心，以便所有列 t1、t2、t3、.. 都可以进行旋转。你能帮忙吗？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

IIUC，你需要自定义melt：

cols = df.filter(regex='^t').columns.to_list()
# ['t1', 't2', 't3']

out = (df.melt(id_vars=df.columns.difference(cols),
               var_name='t_day', value_name='t_val')
         .assign(t_day=lambda d: d['t_day'].str[1:])
      )

输出：

   col1  col2  col3  date t_day  t_val
0  23.2  23.2     1    12     1    100
1  34.2  12.2     2    13     1     10
2  32.0  12.0     3    14     1     10
3  23.2  23.2     1    12     2    200
4  34.2  12.2     2    13     2    223
5  32.0  12.0     3    14     2     20
6  23.2  23.2     1    12     3    300
7  34.2  12.2     2    13     3    122
8  32.0  12.0     3    14     3    100

stack 的变体：

cols = df.filter(regex='^t').columns.to_list()
# ['t1', 't2', 't3']

(df.set_index(df.columns.difference(cols).to_list())
   .rename_axis('t_day', axis=1)
   .stack()
   .reset_index(name='t_val')
   .assign(t_day=lambda d: d['t_day'].str[1:])
)

输出：

   col1  col2  col3  date t_day  t_val
0  23.2  23.2     1    12     1    100
1  23.2  23.2     1    12     2    200
2  23.2  23.2     1    12     3    300
3  34.2  12.2     2    13     1     10
4  34.2  12.2     2    13     2    223
5  34.2  12.2     2    13     3    122
6  32.0  12.0     3    14     1     10
7  32.0  12.0     3    14     2     20
8  32.0  12.0     3    14     3    100

【讨论】：