Python 熊猫将列融化为行

我有如下数据：

日期 国家 频道 应用程序购买笔记本电脑 应用程序购买单元 应用程序销售笔记本电脑 应用程序销售单元 网上购买笔记本电脑 网络购买单元 网络销售笔记本电脑 网络销售单元 03/25 美国 电子邮件 6. 10 30 40 5. 7. 9 11 03/25 美国 直接的 1. 30 10 20 6. 8. 10 12 03/25 印度 电子邮件 4. 60 29 37 40 21 43 53 03/25 印度 直接的 11 16 32 22 39 11 7. 45 03/26 美国 电子邮件 6. 10 30 40 5. 7. 9 11 03/26 美国 直接的 1. 30 10 20 6. 8. 10 12 03/26 印度 电子邮件 4. 60 29 37 40 21 43 53 03/26 印度 直接的 11 16 32 22 39 11 7. 45 试试这个：

dfi = df.set_index(['Date','Country','Channel'])

dfi.columns = pd.MultiIndex.from_tuples(dfi.columns.str.split('-', expand=True), 
                                        names=['Category', None, 'Source'])

df_out = dfi.stack([0,2]).reset_index()

df_out

输出：

     Date Country Channel Category  Source  Purchase  Sell
0   03/25      US   Email      App    Cell        10    40
1   03/25      US   Email      App  Laptop         6    30
2   03/25      US   Email      Web    Cell         7    11
3   03/25      US   Email      Web  Laptop         5     9
4   03/25      US  Direct      App    Cell        30    20
5   03/25      US  Direct      App  Laptop         1    10
6   03/25      US  Direct      Web    Cell         8    12
7   03/25      US  Direct      Web  Laptop         6    10
8   03/25   India   Email      App    Cell        60    37
9   03/25   India   Email      App  Laptop         4    29
10  03/25   India   Email      Web    Cell        21    53
11  03/25   India   Email      Web  Laptop        40    43
12  03/25   India  Direct      App    Cell        16    22
13  03/25   India  Direct      App  Laptop        11    32
14  03/25   India  Direct      Web    Cell        11    45
15  03/25   India  Direct      Web  Laptop        39     7
16  03/26      US   Email      App    Cell        10    40
17  03/26      US   Email      App  Laptop         6    30
18  03/26      US   Email      Web    Cell         7    11
19  03/26      US   Email      Web  Laptop         5     9
20  03/26      US  Direct      App    Cell        30    20
21  03/26      US  Direct      App  Laptop         1    10
22  03/26      US  Direct      Web    Cell         8    12
23  03/26      US  Direct      Web  Laptop         6    10
24  03/26   India   Email      App    Cell        60    37
25  03/26   India   Email      App  Laptop         4    29
26  03/26   India   Email      Web    Cell        21    53
27  03/26   India   Email      Web  Laptop        40    43
28  03/26   India  Direct      App    Cell        16    22
29  03/26   India  Direct      App  Laptop        11    32
30  03/26   India  Direct      Web    Cell        11    45
31  03/26   India  Direct      Web  Laptop        39     7

详情：

让我们将日期、国家和频道移动到索引中，现在对其余列使用字符串操作来创建多索引列标题。最后，将类别和源级别堆叠到索引和重置索引中

​

您可以使用函数from来抽象整形过程（它只是

melt

和一些字符串方法的包装）：

---

您的数据有一个模式：

分类

，然后是

购买

或

出售

，最后是

源

。这里的分隔符是

-

。

names_to

（Category，'.value，'.Source'）中的模式将值与

.value

作为列名配对，而其他值则根据位置分为

Category

或

Source

。

非常感谢！这起作用了。谢谢你的帮助！

df.pivot_longer(index = ['Date','Country','Channel'], 
                names_to=['Category', '.value', 'Source'], 
                names_sep="-", 
                sort_by_appearance = True)
 
     Date Country Channel Category  Source  Purchase  Sell
0   03/25      US   Email      App  Laptop         6    30
1   03/25      US   Email      App    Cell        10    40
2   03/25      US   Email      Web  Laptop         5     9
3   03/25      US   Email      Web    Cell         7    11
4   03/25      US  Direct      App  Laptop         1    10
5   03/25      US  Direct      App    Cell        30    20
6   03/25      US  Direct      Web  Laptop         6    10
7   03/25      US  Direct      Web    Cell         8    12
8   03/25   India   Email      App  Laptop         4    29
9   03/25   India   Email      App    Cell        60    37
10  03/25   India   Email      Web  Laptop        40    43
11  03/25   India   Email      Web    Cell        21    53
12  03/25   India  Direct      App  Laptop        11    32
13  03/25   India  Direct      App    Cell        16    22
14  03/25   India  Direct      Web  Laptop        39     7
15  03/25   India  Direct      Web    Cell        11    45
16  03/26      US   Email      App  Laptop         6    30
17  03/26      US   Email      App    Cell        10    40
18  03/26      US   Email      Web  Laptop         5     9
19  03/26      US   Email      Web    Cell         7    11
20  03/26      US  Direct      App  Laptop         1    10
21  03/26      US  Direct      App    Cell        30    20
22  03/26      US  Direct      Web  Laptop         6    10
23  03/26      US  Direct      Web    Cell         8    12
24  03/26   India   Email      App  Laptop         4    29
25  03/26   India   Email      App    Cell        60    37
26  03/26   India   Email      Web  Laptop        40    43
27  03/26   India   Email      Web    Cell        21    53
28  03/26   India  Direct      App  Laptop        11    32
29  03/26   India  Direct      App    Cell        16    22
30  03/26   India  Direct      Web  Laptop        39     7
31  03/26   India  Direct      Web    Cell        11    45