熊猫数据框将多个值变量重塑/堆叠成单独的列

Question

您好，我正在尝试以某种方式重塑数据框。

这是我拥有的数据框，

         des1 des2 des3 interval1 interval2 interval3
value   
aaa       a    b    c     ##1         ##2       ##3
bbb       d    e    f     ##4         ##5       ##6
ccc       g    h    i     ##7         ##8       ##9

des1 对应于 interval1 等等。 interval 列有日期范围，des 列有描述。

我想重塑数据框，使其看起来像这样：

         des      interval
value   
aaa       a         ##1
aaa       b         ##2
aaa       c         ##3
bbb       d         ##4
bbb       e         ##5
bbb       f         ##6
ccc       g         ##7
ccc       h         ##8
ccc       i         ##9

我该怎么做呢？我对 .stack() 有点熟悉，但我无法得到我想要的东西。

感谢您的帮助。随时发布参考。

Answer 1

这种类型的重塑可以通过pandas.wide_to_long方便地完成：

import io
import pandas as pd  # v 1.2.3

data = '''
value des1 des2 des3 interval1 interval2 interval3  
aaa  a  b  c ##1 ##2 ##3
bbb  d  e  f ##4 ##5 ##6
ccc  g  h  i ##7 ##8 ##9
'''
df = pd.read_csv(io.StringIO(data), index_col=0, delim_whitespace=True)

pd.wide_to_long(df.reset_index(), stubnames=['des', 'interval'],
                i='value', j='var_id').droplevel(1).sort_index()

Answer 2

我认为CT Zhu 提供的解决方案非常天才。但是你也可以一步一步地重塑这个（也许这是常见的方式）。

 d = {'des1' : ['', 'a', 'd', 'g'],
     'des2' : ['', 'b', 'e', 'h'],
     'des3' : ['', 'c', 'f', 'i'],
     'interval1' : ['', '##1', '##4', '##7'],
     'interval2' : ['', '##2', '##5', '##6'],
     'interval3' : ['', '##3', '##6', '##9']}

df = pd.DataFrame(d, index=['value', 'aaa', 'bbb', 'ccc'], 
                  columns=['des1', 'des2', 'des3', 'interval1', 'interval2', 'interval3'])

nd = {'des' : [''] + df.iloc[1, 0:3].tolist() + df.iloc[2, 0:3].tolist() + df.iloc[3, 0:3].tolist(),
      'interval' : ['']+ df.iloc[1, 3:6].tolist() + df.iloc[2, 3:6].tolist() + df.iloc[3, 3:6].tolist()}

ndf = pd.DataFrame(nd, index=['value', 'aaa', 'aaa', 'aaa', 'bbb', 'bbb', 'bbb', 'ccc', 'ccc', 'ccc'], columns=['des', 'interval'])

Answer 3

这可能是一种更短的方法：

[72]:

df.columns = pd.MultiIndex.from_tuples(map(lambda x: (x[:-1], x), df.columns))
In [73]:

print pd.DataFrame({key:df[key].stack().values for key in set(df.columns.get_level_values(0))},
                   index = df['des'].stack().index.get_level_values(0))
      des interval
value             
aaa     a      ##1
aaa     b      ##2
aaa     c      ##3
bbb     d      ##4
bbb     e      ##5
bbb     f      ##6
ccc     g      ##7
ccc     h      ##8
ccc     i      ##9

或者保留1,2,3的信息：

[73]:

df.columns = pd.MultiIndex.from_tuples(map(lambda x: (x[:-1], x[-1]), df.columns))
Keys = set(df.columns.get_level_values(0))
df2  = pd.concat([df[key].stack() for key in Keys], axis=1)
df2.columns = Keys
print df2
        des interval
value               
aaa   1   a      ##1
      2   b      ##2
      3   c      ##3
bbb   1   d      ##4
      2   e      ##5
      3   f      ##6
ccc   1   g      ##7
      2   h      ##8
      3   i      ##9

Answer 4

这只是一个.melt，文档是here

In [33]: pd.melt(df.reset_index(),
                 id_vars=['values'],
                 value_vars=['interval1','interval2','interval3'])
Out[33]: 
  values   variable value
0    aaa  interval1   ##1
1    bbb  interval1   ##4
2    ccc  interval1   ##7
3    aaa  interval2   ##2
4    bbb  interval2   ##5
5    ccc  interval2   ##8
6    aaa  interval3   ##3
7    bbb  interval3   ##6
8    ccc  interval3   ##9