使用 Pandas 将列转换为行 [英] Convert columns into rows with Pandas

问题描述

所以我的数据集有 n 个日期的位置信息.问题是每个日期实际上是不同的列标题.例如CSV看起来像

位置名称 Jan-2010 Feb-2010 March-2010一个测试"12 20 30B富"18 20 25

我想要的是它的样子

位置名称日期值一个测试"2010 年 1 月 12一个测试"2010 年 2 月 20一个测试"2010 年 3 月 30B富"2010 年 1 月 18B富"2010 年 2 月 20B富"2010 年 3 月 25

我的问题是我不知道列中有多少个日期(尽管我知道它们总是以姓名开头)

解决方案

更新
从 v0.20 开始，melt 是一阶函数，现在可以使用

df.melt(id_vars=["location", "name"],var_name="日期",value_name="值")地点名称日期值0 测试" 2010 年 1 月 121 B "foo" 2010 年 1 月 182 测试" 2010 年 2 月 203 B "foo" 2010 年 2 月 204 测试" 2010 年 3 月 305 B "foo" 2010 年 3 月 25

<小时>

旧(ER)版本:<0.20

您可以使用 pd.melt 到达那里，然后排序:

<预><代码>>>>df地点名称 Jan-2010 Feb-2010 March-20100 一次测试 12 20 301 B 富 18 20 25>>>df2 = pd.melt(df, id_vars=["location", "name"],var_name="日期", value_name="值")>>>df2地点名称日期值0 测试 2010 年 1 月 121 B foo 2010 年 1 月 182 测试 2010 年 2 月 203 B foo 2010 年 2 月 204 测试 2010 年 3 月 305 B foo 2010 年 3 月 25>>>df2 = df2.sort(["位置", "名称"])>>>df2地点名称日期值0 测试 2010 年 1 月 122 测试 2010 年 2 月 204 测试 2010 年 3 月 301 B foo 2010 年 1 月 183 B foo 2010 年 2 月 205 B foo 2010 年 3 月 25

(可能想加入一个 .reset_index(drop=True)，只是为了保持输出干净.)

注意:pd.DataFrame.sort 已弃用，取而代之的是 pd.DataFrame.sort_values.

So my dataset has some information by location for n dates. The problem is each date is actually a different column header. For example the CSV looks like

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

What I would like is for it to look like

location    name    Date        Value
A           "test"  Jan-2010    12       
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18       
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

My problem is I don't know how many dates are in the column (though I know they will always start after name)

解决方案

UPDATE
From v0.20, melt is a first order function, you can now use

df.melt(id_vars=["location", "name"], 
        var_name="Date", 
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

---

OLD(ER) VERSIONS: <0.20

You can use pd.melt to get most of the way there, and then sort:

>>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"], 
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

(Might want to throw in a .reset_index(drop=True), just to keep the output clean.)

Note: pd.DataFrame.sort has been deprecated in favour of pd.DataFrame.sort_values.

这篇关于使用 Pandas 将列转换为行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！