แพนด้าแปลงบางคอลัมน์เป็นแถว

ดังนั้นชุดข้อมูลของฉันจึงมีข้อมูลตามสถานที่สำหรับ n วันที่ ปัญหาคือจริงๆแล้วแต่ละวันที่เป็นส่วนหัวของคอลัมน์ต่างกัน ตัวอย่างเช่น CSV มีลักษณะดังนี้

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

สิ่งที่ฉันต้องการคือให้มันดูเหมือน

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

ปัญหาคือฉันไม่รู้ว่ามีวันที่กี่วันในคอลัมน์ (แม้ว่าฉันจะรู้ว่ามันจะเริ่มต้นหลังชื่อเสมอ)

UPDATE
จาก v0.20 meltเป็นฟังก์ชันลำดับแรกตอนนี้คุณสามารถใช้

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

เวอร์ชันเก่า (ER): <0.20

คุณสามารถใช้pd.meltเพื่อให้ได้ประโยชน์สูงสุดจากที่นั่นแล้วเรียงลำดับ:

>>> 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

(อาจต้องการโยน a .reset_index(drop=True)เพียงเพื่อให้ผลผลิตสะอาด)

หมายเหตุ : pd.DataFrame.sort ได้รับการคัดค้านpd.DataFrame.sort_valuesในความโปรดปรานของ

ใช้set_indexกับstackสำหรับMultiIndex Seriesแล้วDataFrameเพิ่มreset_indexด้วยrename:

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

ฉันเดาว่าฉันพบวิธีที่ง่ายกว่านี้

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')

เชื่อมต่อทั้งหมดtemp1กับtemp2คอลัมน์ของname

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

ตอนนี้คุณมีสิ่งที่คุณขอแล้ว

pd.wide_to_long

pd.wide_to_longคุณสามารถเพิ่มคำนำหน้าคอลัมน์ปีของคุณและแล้วฟีดโดยตรงกับ ฉันจะไม่แสร้งทำเป็นว่าสิ่งนี้มีประสิทธิภาพแต่ในบางสถานการณ์อาจสะดวกกว่าpd.meltเช่นเมื่อคอลัมน์ของคุณมีคำนำหน้าที่เหมาะสมอยู่แล้ว

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