Python Pandas按名称将多组列合并为多个目标列
我想将一个数据帧的几组列合并成多个目标列。类似于提问和提问。但是,我需要通过列名而不是索引位置显式地执行此操作Python Pandas按名称将多组列合并为多个目标列,python,pandas,melt,Python,Pandas,Melt,我想将一个数据帧的几组列合并成多个目标列。类似于提问和提问。但是,我需要通过列名而不是索引位置显式地执行此操作 import pandas as pd df = pd.DataFrame([('a','b','c',1,2,3,'aa','bb','cc'), ('d', 'e', 'f', 4, 5, 6, 'dd', 'ee', 'ff')], columns=['a_1', 'a_2', 'a_3','b_1', 'b_2', 'b_3','c_1',
import pandas as pd
df = pd.DataFrame([('a','b','c',1,2,3,'aa','bb','cc'), ('d', 'e', 'f', 4, 5, 6, 'dd', 'ee', 'ff')],
columns=['a_1', 'a_2', 'a_3','b_1', 'b_2', 'b_3','c_1', 'c_2', 'c_3'])
df
原始数据帧:
id a_1 a_2 a_3 b_1 b_2 b_3 c_1 c_2 c_3
0 101 a b c 1 2 3 aa bb cc
1 102 d e f 4 5 6 dd ee ff
目标数据帧
id a b c
0 101 a 1 aa
1 101 b 2 bb
2 101 c 3 cc
3 102 d 4 dd
4 102 e 5 ee
5 102 f 6 ff
对此,我们非常感谢您的建议。您可以根据列模式将列名转换为多索引,然后根据需要的结果在特定级别进行堆叠:
import pandas as pd
df.set_index('id', inplace=True)
df.columns = pd.MultiIndex.from_tuples(tuple(df.columns.str.split("_")))
df.stack(level = 1).reset_index(level = 1, drop = True).reset_index()
# id a b c
#101 a 1 aa
#101 b 2 bb
#101 c 3 cc
#102 d 4 dd
#102 e 5 ee
#102 f 6 ff
有一种更有效的方法来解决这类涉及熔化多组不同色谱柱的问题<代码>pd。从宽到长是针对这些具体情况而构建的
pd.wide_to_long(df, stubnames=['a', 'b', 'c'], i='id', j='dropme', sep='_')\
.reset_index()\
.drop('dropme', axis=1)\
.sort_values('id')
id a b c
0 101 a 1 aa
2 101 b 2 bb
4 101 c 3 cc
1 102 d 4 dd
3 102 e 5 ee
5 102 f 6 ff
df.columns=df.columns.str.split(“”),expand=True)
同样有效。您是否解释为什么此“cols.groupby(cols.str.split(“”“').str[0])返回dict?返回一个dict。可能是因为在索引上执行算术不是常见的用例,通常我们需要组来代替。这是意外的行为,这就是我问的原因。有一个更直观的解决方案,它使用了pd.wide\u to\u long
函数,它正是针对这种情况构建的。见下面我的答案。
pd.wide_to_long(df, stubnames=['a', 'b', 'c'], i='id', j='dropme', sep='_')\
.reset_index()\
.drop('dropme', axis=1)\
.sort_values('id')
id a b c
0 101 a 1 aa
2 101 b 2 bb
4 101 c 3 cc
1 102 d 4 dd
3 102 e 5 ee
5 102 f 6 ff