Python 重塑数据帧的形状
假设有这样一个数据帧:Python 重塑数据帧的形状,python,pandas,dataframe,reshape,lreshape,Python,Pandas,Dataframe,Reshape,Lreshape,假设有这样一个数据帧: df = pd.DataFrame([[1,2,3,4],[5,6,7,8],[9,10,11,12]], columns = ['A', 'B', 'A1', 'B1']) 我想要一个数据帧,它看起来像: 什么不起作用: new_rows = int(df.shape[1]/2) * df.shape[0] new_cols = 2 df.values.reshape(new_rows, new_cols, order='F') 当然,我可以循环使用数据,并创建
df = pd.DataFrame([[1,2,3,4],[5,6,7,8],[9,10,11,12]], columns = ['A', 'B', 'A1', 'B1'])
我想要一个数据帧,它看起来像:
什么不起作用:
new_rows = int(df.shape[1]/2) * df.shape[0]
new_cols = 2
df.values.reshape(new_rows, new_cols, order='F')
当然,我可以循环使用数据,并创建一个新的列表,但肯定有更好的方法。有什么想法吗?对于id
列,您可以使用:
编辑:
当前未记录,但可能已删除()
可能的解决方案是将所有3个函数合并为一个-可能是
melt
,但现在还没有实现。也许是新版本的熊猫。然后我的答案将被更新。我通过三个步骤解决了这个问题:
df2
,只保存要添加到初始数据帧df
中的数据df
中删除将添加到下面的数据(用于生成df2
)df2
附加到df
# step 1: create new dataframe
df2 = df[['A1', 'B1']]
df2.columns = ['A', 'B']
# step 2: delete that data from original
df = df.drop(["A1", "B1"], 1)
# step 3: append
df = df.append(df2, ignore_index=True)
请注意,在执行df.append()
操作时,需要指定ignore\u index=True
,以便将新列追加到索引中,而不是保留它们的旧索引
您的最终结果应该是原始数据帧,数据按照您想要的方式重新排列:
In [16]: df
Out[16]:
A B
0 1 2
1 5 6
2 9 10
3 3 4
4 7 8
5 11 12
像这样使用pd.concat()
:
#Split into separate tables
df_1 = df[['A', 'B']]
df_2 = df[['A1', 'B1']]
df_2.columns = ['A', 'B'] # Make column names line up
# Add the ID column
df_1 = df_1.assign(id=1)
df_2 = df_2.assign(id=2)
# Concatenate
pd.concat([df_1, df_2])
pd.wide\u to\u long
函数几乎完全是针对这种情况构建的,在这种情况下,许多相同的变量前缀以不同的数字后缀结尾。唯一的区别是,第一组变量没有后缀,因此需要先重命名列
pd.wide\u to\u long
的唯一问题是它必须有一个标识变量,i
,而不像melt
,reset\u index
用于创建一个这个唯一标识列,稍后会删除。我认为这可能在将来得到纠正
df1 = df.rename(columns={'A':'A1', 'B':'B1', 'A1':'A2', 'B1':'B2'}).reset_index()
pd.wide_to_long(df1, stubnames=['A', 'B'], i='index', j='id')\
.reset_index()[['A', 'B', 'id']]
A B id
0 1 2 1
1 5 6 1
2 9 10 1
3 3 4 2
4 7 8 2
5 11 12 2
@Moritz-我明白了。我个人只会在for循环中这样做。虽然@jezrael的
lreshape
解决方案可能更适合这种情况。这是一个糟糕的解决方案。为什么不使用pd.wide\u to\u long
?它是为这种情况而构建的。我添加了一个更健壮的答案,概括了几乎与您所处的情况相同的情况。
df1 = df.rename(columns={'A':'A1', 'B':'B1', 'A1':'A2', 'B1':'B2'}).reset_index()
pd.wide_to_long(df1, stubnames=['A', 'B'], i='index', j='id')\
.reset_index()[['A', 'B', 'id']]
A B id
0 1 2 1
1 5 6 1
2 9 10 1
3 3 4 2
4 7 8 2
5 11 12 2