Python &引用；“扁平化”；通过加倍和连接来创建数据帧？

我有以下

datframe

df

在

pandas

中：

na   nb   a    b
 1    2  12   a2
 1    5   1   c3
 2    5   5   a3

现在，我需要将

df

展平到一列，并添加一个“marker”

m

，告诉我哪个部分来自，所以

 d   a   b   m
 1  12  a2   I
 2  12  a2   I
 1   1  c3   I
 5   1  c3   O
 2   5  a3   O
 5   5  a3   O

我尝试了以下方法：

aa = df[["na","a","b"]]
ab = df[["nb","a","b"]]
aa["m"]="I" 
ab["m"]="O" 
aa.colums=["d","a","b"]
ab.colums=["d","a","b"]

然后呢,

a = pd.concat([aa, ab])

但是我从“数据帧切片”（分配）中得到了很多警告，通过命名列，“熊猫不允许通过新属性名创建列”，尽管我认为我是在重命名，而不是创建新的列

---

无论如何，我的问题是：我如何以最具pythonic/pandasonic的方式“展平”df呢？

在你的情况下，它只是

融化

：

(df.melt(['a','b'], value_name='d')
   .assign(m=lambda x: np.where(x['variable'].eq('na'), 'I','O'))
   .drop('variable', axis=1)
)

输出：

    a   b  d  m
0  12  a2  1  I
1   1  c3  1  I
2   5  a3  2  I
3  12  a2  2  O
4   1  c3  5  O
5   5  a3  5  O

---

在您的情况下，它只是

melt

：

(df.melt(['a','b'], value_name='d')
   .assign(m=lambda x: np.where(x['variable'].eq('na'), 'I','O'))
   .drop('variable', axis=1)
)

输出：

    a   b  d  m
0  12  a2  1  I
1   1  c3  1  I
2   5  a3  2  I
3  12  a2  2  O
4   1  c3  5  O
5   5  a3  5  O

---

您可以使用

rename

列名称

na

和

nb

：

最后一列（如有必要）的变更顺序：

df1 = df1[['d','a','b','m']]
print (df1)
   d   a   b  m
0  1  12  a2  I
1  1   1  c3  I
2  2   5  a3  I
3  2  12  a2  O
4  5   1  c3  O
5  5   5  a3  O

您的解决方案应该更改，但我觉得第一个更像python：

aa = df[["na","a","b"]].rename(columns={'na':'d'}).assign(m='I')
ab = df[["nb","a","b"]].rename(columns={'nb':'d'}).assign(m='O')
a = pd.concat([aa, ab], ignore_index=True)

print (a)
   d   a   b  m
0  1  12  a2  I
1  1   1  c3  I
2  2   5  a3  I
3  2  12  a2  O
4  5   1  c3  O
5  5   5  a3  O

---

您可以使用

rename

列名称

na

和

nb

：

最后一列（如有必要）的变更顺序：

df1 = df1[['d','a','b','m']]
print (df1)
   d   a   b  m
0  1  12  a2  I
1  1   1  c3  I
2  2   5  a3  I
3  2  12  a2  O
4  5   1  c3  O
5  5   5  a3  O

您的解决方案应该更改，但我觉得第一个更像python：

aa = df[["na","a","b"]].rename(columns={'na':'d'}).assign(m='I')
ab = df[["nb","a","b"]].rename(columns={'nb':'d'}).assign(m='O')
a = pd.concat([aa, ab], ignore_index=True)

print (a)
   d   a   b  m
0  1  12  a2  I
1  1   1  c3  I
2  2   5  a3  I
3  2  12  a2  O
4  5   1  c3  O
5  5   5  a3  O

aa=df[..。copy（）

，与

ab

相同

aa=df[..。copy（）

，与

ab

相同。