堆叠 pandas 数据框 [英] Stacking Pandas Dataframe
本文介绍了堆叠 pandas 数据框的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有以下熊猫数据框，其中我在不同日期具有5个不同点的NDVI值-
print（df ）
>>
PSC英特尔
FID Lat Lon Lon Lon 23-五月18-五月25-五月28-五月
0 51.62 -63.81 -0.04 0.08 0.10 0.13
1 51.62 -63.80 -0.05 0.09 0.10 0.13
2 51.62 -63.80 -0.05 0.08 0.07 0.12
3 51.62 -63.80 -0.06 0.08 0.11 0.14
4 51.62 -63.80 -0.05 0.09 0.11 0.16
但是，我需要将它们转换为NDVI值堆叠的地方，并在其中显示一个新列以指示数据收集日期。所需格式如下-
FID Lat Lon NVAL日期SAT
0 51.62 -63.81 -0.04 5月23日PSC
1 51.62 -63.80 -0.05 5月23日PSC
2 51.62 -63.80 -0.05 5月23日PSC
3 51.62 -63.80 -0.06 5月23日PSC
4 51.62- 63.80 -0.05 5月23日PSC
0 51.62 -63.81 0.08 5月18日PSC
1 51.62 -63.80 0.09 5月18日PSC
2 51.62 -63.80 0.08 5月18日PSC
3 51.62 -63.80 0.08 5月PSC
4 51.62 -63.80 0.09 5月18日PSC
0 51.62 -63.81 0.10 5月25日Inter
1 51.62 -63.80 0.10 5月25日Inter
2 51.62 -63.80 0.07 5月25日中线
3 51.62 -63.80 0.11 5月25日中线
4 51.62 -63.80 0.11 5月25日中线
0 51.62 -63.81 0.13 5月28日中线
1 51.62 -63.80 0.13 5月28日国际米兰
2 51.62 -63.80 0.12 5月28日国际米兰
3 51.62 -63.80 0.14 5月28日国际米兰
4 51.62 -63.80 0.16 5月28日国际元？解决方案设置：
from io import StringIO
pd
df = pd.read_table（StringIO（ FID Lat Lon 23-5月18日5月25日5月28日5月28日
0 51.62 -63.81 -0.04 0.08 0.10 0.13
1 51.62 -63.80 -0.05 0.09 0.10 0.13
2 51.62 -63.80 -0.05 0.08 0.07 0.12
3 51.62 -63.80 -0.06 0.08 0.11 0.14
4 51.62 -63.80 -0.05 0.09 0.11 0.16），sep ='\s +'）
使用融化：
df = pd.melt（df，id_vars = ['FID'，'Lat'，'Lon']，var_name ='Date' ，value_name ='Value'）
输出： df [['FID' ， Lat， Lon， Value， Date]]
FID Lat Lon起息日
0 0 51.62 -63.81 -0.04-5月23日
1 1 51.62 -63.80 -0.05 23- 5月
2 2 51.62 -63.80 -0.05 23月5月
3 3 51.62 -63.80 -0.06 5月23日
4 4 51.62 -63.80 -0.05 5月23日
5 0 51.62 -63.81 0.08 18-五月
6 1 51.62 -63.80 0.09 18-五月
7 2 51.62 -63.80 0.08 18-五月
8 3 51.62 -63.80 0.08 18-五月
9 4 51.62 -63.80 0.09 5月25日
10 0 51.62 -63.81 0.10 5月25日
11 1 51.62 -63.80 0.10 5月25日
12 2 51.62 -63.80 0.07 5月25日
13 3 51.62 -63.80 0.11 5月25日
14 4 51.62 -63.80 0.11 5月25日
15 0 51.62 -63.81 0.13 28月5月
16 1 51.62 -63.80 0.13 5月28日$ 5 b $ b 17 2 51.62 -63.80 0.12 5月28日
18 3 51.62 -63.80 0.14 5月28日
19 4 51.62 -63.80 0.16 5月28日
I have the following pandas data frame where I have NDVI value of 5 different points on different dates-
print (df)
>>>
PSC Intel
FID Lat Lon 23-May 18-May 25-May 28-May
0 51.62 -63.81 -0.04 0.08 0.10 0.13
1 51.62 -63.80 -0.05 0.09 0.10 0.13
2 51.62 -63.80 -0.05 0.08 0.07 0.12
3 51.62 -63.80 -0.06 0.08 0.11 0.14
4 51.62 -63.80 -0.05 0.09 0.11 0.16
However, I need them converted where NDVI value will be stacked, and a new column will be there to indicate the data collection date. The required format is as follows -
FID Lat Lon NVAL Date SAT
0 51.62 -63.81 -0.04 23-May PSC
1 51.62 -63.80 -0.05 23-May PSC
2 51.62 -63.80 -0.05 23-May PSC
3 51.62 -63.80 -0.06 23-May PSC
4 51.62 -63.80 -0.05 23-May PSC
0 51.62 -63.81 0.08 18-May PSC
1 51.62 -63.80 0.09 18-May PSC
2 51.62 -63.80 0.08 18-May PSC
3 51.62 -63.80 0.08 18-May PSC
4 51.62 -63.80 0.09 18-May PSC
0 51.62 -63.81 0.10 25-May Inter
1 51.62 -63.80 0.10 25-May Inter
2 51.62 -63.80 0.07 25-May Inter
3 51.62 -63.80 0.11 25-May Inter
4 51.62 -63.80 0.11 25-May Inter
0 51.62 -63.81 0.13 28-May Inter
1 51.62 -63.80 0.13 28-May Inter
2 51.62 -63.80 0.12 28-May Inter
3 51.62 -63.80 0.14 28-May Inter
4 51.62 -63.80 0.16 28-May Inter
Is there any way to do that using the pandas or any other library of python?
解决方案 Setup:
from io import StringIO
import pandas as pd
df = pd.read_table(StringIO("""FID Lat Lon 23-May 18-May 25-May 28-May
0 51.62 -63.81 -0.04 0.08 0.10 0.13
1 51.62 -63.80 -0.05 0.09 0.10 0.13
2 51.62 -63.80 -0.05 0.08 0.07 0.12
3 51.62 -63.80 -0.06 0.08 0.11 0.14
4 51.62 -63.80 -0.05 0.09 0.11 0.16"""), sep='\s+')
Use melt:
df = pd.melt(df,id_vars=['FID','Lat','Lon'], var_name='Date', value_name='Value')
Output: df[['FID','Lat','Lon','Value','Date']]
FID Lat Lon Value Date
0 0 51.62 -63.81 -0.04 23-May
1 1 51.62 -63.80 -0.05 23-May
2 2 51.62 -63.80 -0.05 23-May
3 3 51.62 -63.80 -0.06 23-May
4 4 51.62 -63.80 -0.05 23-May
5 0 51.62 -63.81 0.08 18-May
6 1 51.62 -63.80 0.09 18-May
7 2 51.62 -63.80 0.08 18-May
8 3 51.62 -63.80 0.08 18-May
9 4 51.62 -63.80 0.09 18-May
10 0 51.62 -63.81 0.10 25-May
11 1 51.62 -63.80 0.10 25-May
12 2 51.62 -63.80 0.07 25-May
13 3 51.62 -63.80 0.11 25-May
14 4 51.62 -63.80 0.11 25-May
15 0 51.62 -63.81 0.13 28-May
16 1 51.62 -63.80 0.13 28-May
17 2 51.62 -63.80 0.12 28-May
18 3 51.62 -63.80 0.14 28-May
19 4 51.62 -63.80 0.16 28-May
这篇关于堆叠 pandas 数据框的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
