Python 如何动态访问新的数据帧（数据帧）？

我有一个关于熊猫管道的问题

例如，我想将一个宽表转换为一个长表

我采取的步骤是：（a）

.T

和（b）

.reset_index（）

以获得所需的形状，但我还需要（c）填充缺少的值（表中有合并的单元格）和（d）设置适当的标题

我想知道的是，我是否可以在一个管道中完成所有工作，特别是，我是否可以引用一个新创建的表（在

.T

等之后），该表在这个管道中没有名称

样本：

数据={
'变量'：{0:'var1'，1:'var2'，2:'var3'，3:'var4'}，
“状态1”：{0:2019.0，1:np.nan，2:np.nan，3:np.nan}，
'未命名：2'：{0:2020.0，1:np.nan，2:np.nan，3:np.nan}，
“状态2”：{0:2019.0，1:np.nan，2:np.nan，3:np.nan}，
'未命名：4'：{0:2020.0，1:np.nan，2:np.nan，3:np.nan}
}
df=pd.DataFrame（数据）

工作代码：

结果=(
df
T
.reset_index（）
.replace（“^Unnamed”，np.nan，regex=True）
)
#我拆分它是因为我无法访问'index'
结果=(
结果
.assign（index=result[“index”].ffill（））
.rename（columns=result.iloc[0]）
.drop（结果索引[0]）
)

尝试立即获取所有内容：

结果=(
df
T
.reset_index（）
.replace（“^Unnamed”，np.nan，regex=True）
#这是我需要引用专栏的地方
#从这个现在已转换的表
#没有名称。引用df会出错
.assign（df[“index”].ffill（））
.rename（columns=df.iloc[0]）
.drop（测向索引[0]）
)

---

因此，这个问题更多的是关于如何一次完成所有工作，而不是如何转换表（这只是一个示例）。

这是通过管道实现结果的一种方法-只是对代码进行一些小的调整：

(df
 .T
 .set_axis(df.iloc[:, 0], axis=1)
 .iloc[1:]
 .reset_index()
 .rename(columns={"index":"Variables"})
 .rename_axis(columns=None)
 .replace("^Unnamed", np.nan, regex=True)
 .ffill())

Variables   var1    var2    var3    var4
0   State 1 2019.0  NaN NaN NaN
1   State 1 2020.0  NaN NaN NaN
2   State 2 2019.0  NaN NaN NaN
3   State 2 2020.0  NaN NaN NaN

---

示例数据集将有助于更好地理解您试图实现的目标。您需要在

assign（）

中使用lambda函数，如果没有示例数据，则无法给出完整的解决方案

.assign（index=lambda-dfa:dfa[“index”].ffill（））

@sammywemmy添加了样本数据。代码给了我想要的输出，我只是好奇我是否能同时做到这一切希望它解决了你的挑战。当然，您必须检查效率和速度