Python 3.x 基于中的前缀将多个列熔化为对应列

假设以下数据帧：

   id transaction seller0 seller1  seller2    buyer0 buyer1
0   1    Subject1     Tim   Jamie  Melissa     Rosie    NaN
1   2    Subject2    Rima  Derren      NaN  Annalise  Hania
2   3    Subject3    Rosa     NaN      NaN    Joshua    NaN

我如何将其重塑为以下格式？即，每笔交易的

seller0 seller1 seller2

至

seller

，以及

buyer0 buyer1

至

buyer

列

所需的产出：

   id transaction   seller     buyer
0   1    Subject1      Tim     Rosie
1   1    Subject1    Jamie       NaN
2   1    Subject1  Melissa       NaN
3   2    Subject2     Rima  Annalise
4   2    Subject2   Derren     Hania
5   3    Subject3     Rosa    Joshua

代码：

输出：

所需更新输出：

   id transaction    type      name
0   1    Subject1  seller       Tim
1   1    Subject1  seller     Jamie
2   1    Subject1  seller   Melissa
3   2    Subject2  seller      Rima
4   2    Subject2  seller    Derren
5   3    Subject3  seller      Rosa
6   1    Subject1   buyer     Rosie
7   2    Subject2   buyer  Annalise
8   2    Subject2   buyer     Hania
9   3    Subject3   buyer    Joshua

使用

您还可以使用来自的函数；目前，您必须从以下位置安装最新的开发版本：

更新：

对于更新的结果，您可以堆叠并进行一些小的调整：

(
    df.set_index(["id", "transaction"])
    .stack()
    .rename_axis(["id", "transaction", "type"])
    .reset_index(name="name")
    .assign(type=lambda df: df["type"].str[:-1])
)

    id  transaction     type    name
0   1   Subject1    seller  Tim
1   1   Subject1    seller  Jamie
2   1   Subject1    seller  Melissa
3   1   Subject1    buyer   Rosie
4   2   Subject2    seller  Rima
5   2   Subject2    seller  Derren
6   2   Subject2    buyer   Annalise
7   2   Subject2    buyer   Hania
8   3   Subject3    seller  Rosa
9   3   Subject3    buyer   Joshua

您还可以使用：

在这两种情况下，您都试图完全消除空条目。默认情况下，堆栈将删除空项。

使用

您还可以使用来自的函数；目前，您必须从以下位置安装最新的开发版本：

更新：

对于更新的结果，您可以堆叠并进行一些小的调整：

(
    df.set_index(["id", "transaction"])
    .stack()
    .rename_axis(["id", "transaction", "type"])
    .reset_index(name="name")
    .assign(type=lambda df: df["type"].str[:-1])
)

    id  transaction     type    name
0   1   Subject1    seller  Tim
1   1   Subject1    seller  Jamie
2   1   Subject1    seller  Melissa
3   1   Subject1    buyer   Rosie
4   2   Subject2    seller  Rima
5   2   Subject2    seller  Derren
6   2   Subject2    buyer   Annalise
7   2   Subject2    buyer   Hania
8   3   Subject3    seller  Rosa
9   3   Subject3    buyer   Joshua

您还可以使用：

---

在这两种情况下，您都试图完全消除空条目。默认情况下，堆栈将删除空项。

如果我想获得问题中更新的新输出，非常感谢？你能帮我吗？我的错。看到。我会给你回复两次主题为NaN的买家；我不确定这是否正确对不起，我的错误，我会再次更新。是的。正是。非常感谢，如果我想得到问题中更新的新输出？你能帮我吗？我的错。看到。我会给你回复两次主题为NaN的买家；我不确定这是否正确对不起，我的错误，我会再次更新。是的。正是这样。

(
    pd.wide_to_long(df, 
                    stubnames=["seller", "buyer"], 
                    i=["id", "transaction"], 
                    j="num")
    .dropna(how="all")
    .droplevel(level=-1)
    .reset_index()
)

id  transaction     seller  buyer
0   1   Subject1    Tim     Rosie
1   1   Subject1    Jamie   NaN
2   1   Subject1    Melissa     NaN
3   2   Subject2    Rima    Annalise
4   2   Subject2    Derren  Hania
5   3   Subject3    Rosa    Joshua

 # install latest dev version
# pip install git+https://github.com/ericmjl/pyjanitor.git
 import janitor

(
    df.pivot_longer(index=["id", "transaction"], 
                    names_to=".value", 
                    names_pattern=r"([a-z]+)\d")
   .dropna(subset=["seller", "buyer"], how="all")
)



    id  transaction     seller      buyer
0   1   Subject1        Tim         Rosie
1   2   Subject2        Rima        Annalise
2   3   Subject3        Rosa        Joshua
3   1   Subject1        Jamie       NaN
4   2   Subject2        Derren      Hania
6   1   Subject1        Melissa     NaN

(
    df.set_index(["id", "transaction"])
    .stack()
    .rename_axis(["id", "transaction", "type"])
    .reset_index(name="name")
    .assign(type=lambda df: df["type"].str[:-1])
)

    id  transaction     type    name
0   1   Subject1    seller  Tim
1   1   Subject1    seller  Jamie
2   1   Subject1    seller  Melissa
3   1   Subject1    buyer   Rosie
4   2   Subject2    seller  Rima
5   2   Subject2    seller  Derren
6   2   Subject2    buyer   Annalise
7   2   Subject2    buyer   Hania
8   3   Subject3    seller  Rosa
9   3   Subject3    buyer   Joshua

    result = df.pivot_longer(index=["id", "transaction"],
                             names_to="type",
                             names_pattern=r"([a-z]+)\d",
                             values_to="name").dropna()

    result


  id    transaction     type    name
0   1   Subject1    seller  Tim
1   2   Subject2    seller  Rima
2   3   Subject3    seller  Rosa
3   1   Subject1    seller  Jamie
4   2   Subject2    seller  Derren
6   1   Subject1    seller  Melissa
9   1   Subject1    buyer   Rosie
10  2   Subject2    buyer   Annalise
11  3   Subject3    buyer   Joshua
13  2   Subject2    buyer   Hania