在 Pandas 中转置数据

Question

我有一个 Excel 文件，其中包含零件在其生命周期内使用了多少次的计数。数据当前以序列号在 A 列中的方式存储，每个“寿命”计数存储在相邻列中，并以“日期”值作为其标题。
这是一个例子：

Image1

我希望能够在 Python 中旋转/转置所有 Date 列，以便输出采用以下格式，并将 Lifespan Count 作为名为“Count”的新列：

Image2

我尝试在 pandas 中使用 pivot 函数来翻转适当的行和列，但问题是我必须一次定义每一列。此示例中使用的电子表格的性质只是我使用的几个电子表格之一，它们都从不同的日期开始（一些从 01/01/2010 开始呈现，而另一些从 01/01/1999 开始呈现）。值得注意的是，所有电子表格都从每月的第一天开始，每次增加 1 个月。

因此，有没有一种方法可以让我通过加载的电子表格选择我已加载到数据框中的所有列，以便能够像提到的那样对数据进行透视/转置？

pivot = df.pivot_table(index=['Serial'], values=['01/01/2019','01/02/2019',... etc], aggfunc='max'])

Answer 1

stack() 的简单使用，如果你有命名你的列系列并且你的行上有set_index()。

import datetime as dt
import random
df = pd.DataFrame({**{"Serial":[s for s in range(1111,1121)]}, 
 **{d:[random.randint(0,150) for i in range(10)] for d in pd.date_range(start=dt.date(2019,1,1), end=dt.date(2019,1,6))}
}).set_index("Serial")
df.columns.set_names("Date", inplace=True)
dfs = df.stack().to_frame().rename(columns={0:"Count"})

print(f"{df.iloc[:,:3].to_string()}\n\n{dfs.iloc[:10].to_string()}")

样本输出

Date    2019-01-01 00:00:00  2019-01-02 00:00:00  2019-01-03 00:00:00
Serial                                                               
1111                    134                   76                    8
1112                    115                   37                    8
1113                     16                   23                  130
1114                    108                   45                   69
1115                      0                   51                  111
1116                     51                   71                  101
1117                    107                   10                  142
1118                     80                   48                  134
1119                    148                   62                   75
1120                      4                  135                  100

                            Count
Serial Date                      
1111   2019-01-01 00:00:00    134
       2019-01-02 00:00:00     76
       2019-01-03 00:00:00      8
       2019-01-04 00:00:00     16
       2019-01-05 00:00:00    140
       2019-01-06 00:00:00     28
1112   2019-01-01 00:00:00    115
       2019-01-02 00:00:00     37
       2019-01-03 00:00:00      8
       2019-01-04 00:00:00     56