【问题标题】:Pandas behaviour on stack堆栈上的熊猫行为
【发布时间】:2018-05-21 12:52:17
【问题描述】:

假设我有

ID A1 B1  A2  B2
1  3  4   5   6
2  7  8   9   10

我想使用 pandas 堆栈并希望实现这样的目标

ID A B
1  3 4
1  5 6
2  7 8
2  9 10

但我得到的是

ID  A   B
1   3   4
2   7   8
1   5   6
2   9   10

这就是我正在使用的

df.stack().reset_index().

是否可以使用 Stack 来实现这样的目标? pandas 中的append() 方法可以做到这一点,但如果可能的话,我想使用pandas stack() 来实现这一点?有什么想法吗?

【问题讨论】:

  • 按“ID”列或索引排序。

标签: python pandas dataframe


【解决方案1】:

你可以使用pd.wide_to_long:

pd.wide_to_long(df, ['A','B'], 'ID', 'value', sep='', suffix='.+')\
  .reset_index()\
  .sort_values('ID')\
  .drop('value', axis=1)

输出:

   ID  A   B
0   1  3   4
2   1  5   6
1   2  7   8
3   2  9  10

【讨论】:

  • @piRSquared 谢谢。
  • 谢谢你,我会尽力告诉你进展如何:)
  • 啊哈,我最喜欢的功能~:-)
  • 如果我在字母后有统一的数字,例如A1, B1, A2, B2,但如果我有像A1, B1, A100, B100, A20, B20 这样的列,它会起作用。然后它被视为不同的,当我输入df.columns 时,基本上它会将所有这些列作为输出。你能帮我吗,我该如何解决这个问题? :)
  • 谢谢,多索引排序解决了这个问题。
【解决方案2】:

通过拆分现有的列名创建一个新的columns 对象。这理所当然地认为我们有单个字符的字母后跟一个数字。

d = df.set_index('ID')
d.columns = d.columns.map(tuple)
d.stack().reset_index('ID')

   ID  A   B
1   1  3   4
2   1  5   6
1   2  7   8
2   2  9  10

单行

df.set_index('ID').rename(columns=tuple).stack().reset_index('ID')

更概括

d = df.set_index('ID')
s = d.columns.str
d.columns = [
    s.extract('^(\D+)', expand=False),
    s.extract('(\d+)$', expand=False)
]
d.stack().reset_index('ID')

【讨论】:

    【解决方案3】:

    更感兴趣的方式

    s.groupby(s.columns.str[0],axis=1).agg(lambda x : x.values.tolist()).stack().apply(pd.Series).unstack(0).T.reset_index(level=0,drop=True)
    Out[90]: 
        A   B
    ID       
    1   3   4
    2   7   8
    1   5   6
    2   9  10
    

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2015-08-22
      • 2021-10-05
      • 2020-07-26
      • 2018-02-28
      • 2019-01-08
      • 2020-10-21
      • 1970-01-01
      • 2023-03-23
      相关资源
      最近更新 更多