如何使用 Pandas 中的模块 melt 有效地熔化多个列？答案

【问题标题】：How to efficiently melt multiple columns using the module melt in Pandas?如何使用 Pandas 中的模块 melt 有效地熔化多个列？
【发布时间】：2021-01-26 15:57:46
【问题描述】：

目标是还原下表

  Activity General  m1   t1  m2   t2  m3   t3
0       P1      AA  A1  TA1  A2  TA2  A3  TA3
1       P2      BB  B1  TB1  B2  TB2  B3  TB3

变成如下格式

    Activity   General M Task
0   P1 AA A1  TA1 
1   P1 AA A2  TA2 
2   P1 AA A3  TA3 
3   P2 BB B1  TB1 
4   P2 BB B2  TB2
5   P2 BB B3  TB3

根据一些阅读，melt 模块可用于实现预期目标。

import pandas as pd
from pandas import DataFrame
list_me = [['P1','AA','A1','TA1','A2','TA2','A3','TA3'],
           ['P2', 'BB', 'B1', 'TB1', 'B2', 'TB2', 'B3', 'TB3']]

df = DataFrame (list_me)
df.columns = ['Activity','General','m1','t1','m2','t2','m3','t3']   
melted_form=pd.melt(df, id_vars=['Activity','General'],var_name='m1',value_name='new_col')

但是，在网上找到的大多数示例仅用于处理单列。我正在考虑使用 for 循环来循环 m1 m2 和 m3 并同时合并结果。这是因为，实际上，m_i 和 t_i 这对在数百的范围内（其中 i 是索引）

但是，我想知道还有比循环更有效的方法。

附言我曾尝试过OP 中的建议，但是它没有给出预期的输出

【问题讨论】：

标签： python pandas pivot unpivot melt

【解决方案1】：

如果我理解您的问题，您可以使用pd.wide_to_long：

    (pd.wide_to_long(df, 
                    i=["Activity", "General"], 
                    stubnames=["t", "m"], j="number")
    .set_axis(["Task", "M"], axis="columns")
    .droplevel(-1).reset_index()
     )

    Activity    General Task    M
0      P1       AA      TA1     A1
1      P1       AA      TA2     A2
2      P1       AA      TA3     A3
3      P2       BB      TB1     B1
4      P2       BB      TB2     B2
5      P2       BB      TB3     B3

【讨论】：

嗨@sammy，是的，正确理解了这个问题。如果您能在答案中解释更多关于t 和m 的选择，我们将不胜感激。
我在答案中包含了该函数的链接。它主要查找以 t 和 m 开头的列，并将它们分成单独的列；它们必须是前缀。
嗨 Sam，很抱歉没有更早地包含此信息。但是，如果列是这些格式'Jan 2020','Feb 2020','Mar 2020','Apr 2020','May 2020','Jun 2020'，如何处理stubnames。这个课程范围从 2020 年的 1 月到 12 月到 2050 年。感谢任何提示。此时，我正在考虑更改列名，使其以字母t 或m 开头。例如m Jan 2020 但是这样做是否可取？
没问题。相同的概念适用；但是，您可以创建一个新问题，让我们看看是否有更简单的解决方案。