在python pandas中将多年列转换为单年列（整洁格式）[重复]答案

【问题标题】：Convert multiple year columns into single year column (tidy format) in python pandas [duplicate]在python pandas中将多年列转换为单年列（整洁格式）[重复]
【发布时间】：2020-02-17 03:36:12
【问题描述】：

我的数据集是：

我想把它转换成：

如何在 Python 中使用 pandas 做到这一点？

它已解决，感谢您抽出宝贵时间提供帮助！！！为所有人 +1

【问题讨论】：

标签： python python-3.x pandas pandas-groupby

【解决方案1】：

试试这个：

pd.melt(df, id_vars=['name'], value_vars=['2016', '2017', '2018',"2019"],var_name='year', value_name='value').sort_values('name')

输出：


+----+-------+-------+-------+
|    | name  | year  | value |
+----+-------+-------+-------+
| 0  | abc   | 2016  |     1 |
| 2  | abc   | 2017  |     2 |
| 4  | abc   | 2018  |     5 |
| 6  | abc   | 2019  |     9 |
| 1  | def   | 2016  |     5 |
| 3  | def   | 2017  |     8 |
| 5  | def   | 2018  |     8 |
| 7  | def   | 2019  |     4 |
+----+-------+-------+-------+

【讨论】：

【解决方案2】：

你可以使用

a = df.columns[1:]
df.melt(id_vars='name',value_vars = a,var_name='year').sort_values('name')

【讨论】：

【解决方案3】：

你可以使用pandas.melt而不指定value_vars

如果未指定，则使用所有未设置为 id_vars 的列。

df.melt(id_vars='name', var_name='year').sort_values('name')

  name  year  value
0  abc  2016      1
2  abc  2017      2
4  abc  2018      5
6  abc  2019      9
1  def  2016      5
3  def  2017      8
5  def  2018      8
7  def  2019      4

【讨论】：

【解决方案4】：

pandas.melt 是将数据框转换为 tidy format 的最简单方法。
- 将 DataFrame 从宽格式转为长格式，可选择保留标识符变量集。
另一种方法是pandas.wide_to_long
- 从宽面板到长格式。与 melt 相比，灵活性较差，但更易于使用。

import pandas as pd

# create dataframe
df = pd.DataFrame({'name': ['abc', 'def'],
                   '2016': [1, 5],
                   '2017': [2, 8],
                   '2018': [5, 8],
                   '2019': [9, 4]})

name  2016  2017  2018  2019
 abc     1     2     5     9
 def     5     8     8     4

# melt df
df_melt = df.melt(id_vars='name', value_vars=['2016', '2017', '2018', '2019'])

name variable  value
 abc     2016      1
 def     2016      5
 abc     2017      2
 def     2017      8
 abc     2018      5
 def     2018      8
 abc     2019      9
 def     2019      4

【讨论】：