熊猫 - 重塑答案

【问题标题】：Pandas - Reshape熊猫 - 重塑
【发布时间】：2018-04-12 13:34:19
【问题描述】：

你能帮我重塑一个熊猫数据框吗：

df = pd.DataFrame({
'Clasif1': [np.NaN, np.NaN, 'PRE', 'POST'],
'Currency': [np.NaN, np.NaN, 'LC', 'USD'],
'Unnamed: 1': ['A','01/01/2018',1,7],
'Unnamed: 2': ['A','02/01/2018',2,8],
'Unnamed: 3': ['A','03/01/2018',3,9],
'Unnamed: 4': ['B','01/01/2018',4,10],
'Unnamed: 5': ['B','02/01/2018',5,11],
'Unnamed: 6': ['B','03/01/2018',6,12]
})

Source

到这里：

df_result = pd.DataFrame({
'Clasif1': ['PRE', 'POST','PRE', 'POST','PRE', 'POST','PRE', 'POST','PRE', 'POST','PRE', 'POST'],
'Currency': ['LC', 'USD','LC', 'USD','LC', 'USD','LC', 'USD','LC', 'USD','LC', 'USD'],
'A/B': ['A','A','A','A','A','A','B','B','B','B','B','B'],
'Date': ['01/01/2018','01/01/2018','02/01/2018','02/01/2018','03/01/2018','03/01/2018','01/01/2018','01/01/2018','02/01/2018','02/01/2018','03/01/2018','03/01/2018'],
'Value': [1,7,2,8,3,9,4,10,5,11,6,12]
})

Output

结果DataFrame行顺序不需要与预期匹配。

感谢您的帮助，

【问题讨论】：

您可以将输入和输出作为表格发布在文本本身中吗？很难在图像之间来回切换。另外，你试过什么？

标签： python pandas transform reshape

【解决方案1】：

这更像是一个定制的解决方案，但如果你能确定数据是这样的结构，你可以使用stack

s=df.iloc[:,2:].T.set_index([0,1]).stack()
s=s.to_frame('V').reset_index(level=[0,1])
s=s.join(df.iloc[:,:2]).sort_values([0,1])
s
Out[226]: 
   0           1   V Clasif1 Currency
2  A  01/01/2018   1     PRE       LC
3  A  01/01/2018   7    POST      USD
2  A  02/01/2018   2     PRE       LC
3  A  02/01/2018   8    POST      USD
2  A  03/01/2018   3     PRE       LC
3  A  03/01/2018   9    POST      USD
2  B  01/01/2018   4     PRE       LC
3  B  01/01/2018  10    POST      USD
2  B  02/01/2018   5     PRE       LC
3  B  02/01/2018  11    POST      USD
2  B  03/01/2018   6     PRE       LC
3  B  03/01/2018  12    POST      USD

【讨论】：

谢谢@Wen，我选择了另一个，因为如果另一个人阅读它会更清楚。我相信你也很聪明。
@CristianSaavedraDesmoineaux 别担心，编码愉快

【解决方案2】：

同上，@Wen 在这个问题中，这是一个非常适合您的数据框的自定义解决方案：

colindx=pd.MultiIndex.from_arrays(df.iloc[0:2,2:].values)
df_out = df.iloc[2:,:].set_index(['Clasif1','Currency'])
df_out.columns = colindx
df_out.reset_index().melt(id_vars=['Clasif1','Currency'])

输出：

   Clasif1 Currency variable_0  variable_1 value
0      PRE       LC          A  01/01/2018     1
1     POST      USD          A  01/01/2018     7
2      PRE       LC          A  02/01/2018     2
3     POST      USD          A  02/01/2018     8
4      PRE       LC          A  03/01/2018     3
5     POST      USD          A  03/01/2018     9
6      PRE       LC          B  01/01/2018     4
7     POST      USD          B  01/01/2018    10
8      PRE       LC          B  02/01/2018     5
9     POST      USD          B  02/01/2018    11
10     PRE       LC          B  03/01/2018     6
11    POST      USD          B  03/01/2018    12

【讨论】：

感谢 Scott，我想到了类似的东西，但我不知道如何处理 DataFrame 中的两个索引。
@CristianSaavedraDesmoineaux 不客气。编码愉快。