将数据帧转换为长，删除行，扩展其他行

Question

我有一个数据框可以转为更长的时间：

import pandas as pd
import io

_1 = pd.read_csv(io.StringIO(
    """date;        origin; val_one; val_two; aaa; bbb; ccc; ddd; eee; fff
    10/11/2009;        aaa;       1;       0;   0;   0;   0;   0;   1;   0
    10/11/2009;        bbb;       0;       1;   1;   0;   0;   0;   0;   1
    10/11/2009;        ccc;       0;       1;   0;   0;   0;   0;   0;   0
    10/11/2009;        ddd;       0;       2;   0;   1;   1;   1;   0;   0"""),
    sep=";").set_axis(['date', 'origin', 'val_one', 'val_two',
            'aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff'], axis=1)

我现在想创建 origin-target (rows aaa:fff) dyads。应该删除不存在目标的行（即没有一个目标列是1，例如第三行，索引 2）；存在多个目标的行（例如，第二行，索引 1，其中aaa 是1 和fff 是目标列之一是1）应该变成两行。预期的输出是：

_2_targ = pd.read_csv(io.StringIO(
"""date;        origin; val_one; val_two; target
10/11/2009;        aaa;       1;       0;    eee
10/11/2009;        bbb;       0;       1;    aaa
10/11/2009;        bbb;       0;       1;    fff
10/11/2009;        ddd;       0;       2;    bbb
10/11/2009;        ddd;       0;       2;    ccc
10/11/2009;        ddd;       0;       2;    ddd"""), 
sep=';').set_axis(['date', 'origin', 'val_one', 'val_two', 'target'])

我尝试使用 pd.melt 无济于事（见下文） - 这会创建 所有 对偶，甚至是我不想保留的那些（因为没有目标列是 1） .

_2 = pd.melt(_1,
             id_vars=['date', 'origin', 'val_one', 'val_two'],
             value_vars=['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff'],
             var_name='target', value_name='tmp')

我错过了什么？

Answer 1

我相信你可以完全按照你的方式融化，然后从你的 long_df 中删除 tmp 值为 0 的行

import pandas as pd
import io

#nice reproducible input!
df1 = pd.read_csv(io.StringIO(
    """date;        origin; val_one; val_two; aaa; bbb; ccc; ddd; eee; fff
    10/11/2009;        aaa;       1;       0;   0;   0;   0;   0;   1;   0
    10/11/2009;        bbb;       0;       1;   1;   0;   0;   0;   0;   1
    10/11/2009;        ccc;       0;       1;   0;   0;   0;   0;   0;   0
    10/11/2009;        ddd;       0;       2;   0;   1;   1;   1;   0;   0"""),
    sep=";").set_axis(['date', 'origin', 'val_one', 'val_two',
            'aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff'], axis=1)

#Melt exactly the same as you did
long_df = pd.melt(
    df1,
    id_vars=['date', 'origin', 'val_one', 'val_two'],
    value_vars=['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff'],
    var_name='target', value_name='tmp'
)

#Filter out rows where tmp is 0, sort to match your output, and drop the tmp column
long_df = long_df[long_df['tmp'].gt(0)].sort_values('origin').drop(columns='tmp').reset_index(drop=True)
long_df

输出几乎如上所示，但我认为您忘记了bbb:fff 行

             date       origin  val_one  val_two target
0      10/11/2009          aaa        1        0    eee
1      10/11/2009          bbb        0        1    aaa
2      10/11/2009          bbb        0        1    fff
3      10/11/2009          ddd        0        2    bbb
4      10/11/2009          ddd        0        2    ccc
5      10/11/2009          ddd        0        2    ddd

我也重命名了你的变量，但这显然不重要