【问题标题】:Python using melt how to frame this dataPython使用melt如何构建这些数据
【发布时间】:2019-04-02 10:13:22
【问题描述】:

具有如下数据 - 我需要将地址和 Trans 分组为 2 列 - 可以帮助在 python 中使用 melt 或任何其他函数吗?

Id    name    address1   tran1    address2    tran2     address32     tran3
1     Vasu    chennai    3432     tamb        4432      cam           0121
2     het     tamil      32432    cheai       43543     vsda          3432
3     sfds    andh       12321    hyd         6754      nizh          7657     

需要这些数据

**************************
Id******name*****address*****Tran
1*****Vasu******chennai*****3432
2****het********tamil*******32432    
3***sfds******* andh*******12321    
1***Vasu*******tamb********4432      
2*****het******cheai*******43543     
3*****sfds****hyd**********6754      
1****Vasu*****cam*********0121
2****het*****vsda********3432    
3****sfds****nizh*******7657     

谢谢

以这种方式尝试以不同的方式获得结果

data = pd.read_csv('C:DOCUMENTS/SAMP.csv') 
melt_data1 = pd.melt(data, 
                     id_vars=['id', 'name'], 
                     value_vars=['address1','tran1','address2','tran2','address32','tran3'],
                     var_name='Address', 'tRAN', 
                     value_name='Values') 
melt_data1.to_csv('c:/DOCUMENTS/SAM.CSV)

【问题讨论】:

  • 自己尝试一下,如果遇到麻烦,请提供代码的minimal reproducible example
  • 尝试以这种方式以不同的方式获得结果 data = pd.read_csv('C:DOCUMENTS/SAMP.csv') melt_data1 = pd.melt(data, id_vars=['id', ' name' value_vars=['address1','tran1','address2','tran2','address32','tran3'], var_name='Address''tRAN', value_name='Values') melt_data1.to_csv(' c:/DOCUMENTS/SAM.CSV)

标签: python pandas dataframe melt


【解决方案1】:

您只需要使用 pd.concat 即可:

data1 = data.loc[:,['name','address1','tran1']].rename(columns={"address1": 
"address", "tran1": "tran"})
data2 = data.loc[:,['name','address2','tran2']].rename(columns={"address2": 
"address", "tran2": "tran"})
data3 = data.loc[:,['name','address3','tran3']].rename(columns={"address3": 
"address", "tran3": "tran"})

pd.concat([ data1 , data2 , data3])

【讨论】:

    猜你喜欢
    • 2023-03-10
    • 2018-04-12
    • 1970-01-01
    • 2018-06-19
    • 2021-07-01
    • 1970-01-01
    • 1970-01-01
    • 2013-08-30
    • 2016-11-05
    相关资源
    最近更新 更多