panda mengubah beberapa kolom menjadi baris

115

Jadi dataset saya memiliki beberapa informasi berdasarkan lokasi untuk n tanggal. Masalahnya adalah setiap tanggal sebenarnya adalah tajuk kolom yang berbeda. Misalnya tampilan CSV

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

Yang saya inginkan adalah tampilannya

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

Masalahnya adalah saya tidak tahu berapa banyak tanggal di kolom (meskipun saya tahu mereka akan selalu dimulai setelah nama)

python pandas

— Wizuriel
sumber

stackoverflow.com/questions/19842066/…

— pyCthon

207

UPDATE
Dari v0.20, meltadalah fungsi urutan pertama, yang sekarang dapat Anda gunakan

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

VERSI LAMA (ER): <0.20

Anda dapat menggunakan pd.meltuntuk mendapatkan hasil maksimal, lalu mengurutkan:

>>> 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

(Mungkin ingin memasukkan .reset_index(drop=True), hanya agar hasilnya tetap bersih.)

Catatan : pd.DataFrame.sort sudah tidak digunakan lagi karena mendukung pd.DataFrame.sort_values.

— DSM
sumber

@DSM apa yang akan menjadi kebalikan dari fungsi ini. yaitu bagaimana seseorang mengonversi df2[kembali] menjadidf

— 3kstc

1

@ 3kstc Coba di sini atau di sini . Anda ingin melihat pivot. Mungkin pandas.pivot_table(df2,values='Value',index=['location','name'],columns='Date').reset_index().

— Teepeemm

1

@DSM apakah ada cara untuk mundur? Artinya saya memiliki banyak baris dengan nama yang sama dan saya ingin semua tanggal berada di kolom yang berbeda

— Adrian

17

Gunakan set_indexdengan stackuntuk MultiIndex Series, lalu untukDataFrame ditambahkan reset_indexdengan rename:

df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

— jezrael
sumber

5

Saya rasa saya menemukan solusi yang lebih sederhana

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

Concat utuh temp1dengan temp2kolomname

temp1['new_column'] = temp2['name']

Anda sekarang memiliki apa yang Anda minta.

— Prometheus
sumber

4

`pd.wide_to_long`

Anda dapat menambahkan awalan ke kolom tahun Anda dan kemudian memberi makan langsung ke pd.wide_to_long. Saya tidak akan menganggap ini efisien , tetapi mungkin dalam situasi tertentu lebih nyaman daripada pd.melt, misalnya ketika kolom Anda sudah memiliki awalan yang sesuai.

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))

res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
        .sort_values(['location', 'name'])

print(res)

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

— jpp
sumber