将 2D numpy 数组转换为行列值 pandas DataFrame答案

【问题标题】：Transform 2D numpy array to row-column-value pandas DataFrame将 2D numpy 数组转换为行列值 pandas DataFrame
【发布时间】：2018-12-01 06:41:29
【问题描述】：

假设我有一个像这样的二维 numpy 数组：

arr = np.array([[1, 2], [3, 4], [5, 6]])
# array([[1, 2],
#        [3, 4],
#        [5, 6]])

如何将其转换为“长”结构，每个值有一条记录，与行和列索引相关联？在这种情况下，它看起来像：

df = pd.DataFrame({'row': [0, 0, 1, 1, 2, 2],
                  'column': [0, 1, 0, 1, 0, 1],
                  'value': [1, 2, 3, 4, 5, 6]})

melt 只分配列标识符，而不是行：

pd.DataFrame(arr).melt()
#   variable    value
# 0        0        1
# 1        0        3
# 2        0        5
# 3        1        2
# 4        1        4
# 5        1        6

有没有办法附加行标识符？

【问题讨论】：

使用 NumPy 的高效解决方案 - stackoverflow.com/questions/46135070/…

标签： python pandas numpy

【解决方案1】：

将index 传递给idvar：

pd.DataFrame(arr).reset_index().melt('index')
#    index variable  value
# 0      0        0      1
# 1      1        0      3
# 2      2        0      5
# 3      0        1      2
# 4      1        1      4
# 5      2        1      6

你可以重命名：

df = pd.DataFrame(arr).reset_index().melt('index')
df.columns = ['row', 'column', 'value']

【讨论】：

【解决方案2】：

melt 如果是列，则可以使用索引：

arrdf = pd.DataFrame(arr)
arrdf['row'] = arrdf.index
arrdf.melt(id_vars='row', var_name='column')

#    row    column  value
# 0    0         0      1
# 1    1         0      3
# 2    2         0      5
# 3    0         1      2
# 4    1         1      4
# 5    2         1      6

【讨论】：