Python 重新排列熊猫中的数据帧 下面是我的数据框： 总班次 MS：早班 ES:夜班 11,22,33是员工id

数据帧：

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

我想把那个数据帧转换成下面的模式

         20/02/2017  21/02/2017  22/02/2017
          Monday       Tuesday    Wednesday
0     11    GS           MS         ES
1     22    ES           GS         MS
2     33    MS           ES         GS

---

因此，我尝试根据员工id转换表，我尝试了

数据框.transpose（）

，但我无法让它完成我需要的工作。

您可以迭代数据框并基于当前数据创建新的数据框，只需将两列合并在一起：

data = []
for row in df.itertuples():
    data.append([
        # row[2]: Day, row[1]: Date
        '{} {}'.format(row[2],row[1]), 
        *row[3:],
    ])

new_df = pd.DataFrame(data)

---

您可以迭代dataframe并基于当前数据创建新的dataframe，只需将两列合并在一起：

data = []
for row in df.itertuples():
    data.append([
        # row[2]: Day, row[1]: Date
        '{} {}'.format(row[2],row[1]), 
        *row[3:],
    ])

new_df = pd.DataFrame(data)

您可以使用：

另一个解决方案包括和：

但如果得到：

ValueError:索引包含重复的条目，无法重塑

具有和的解决方案：

您可以使用：

另一个解决方案包括和：

但如果得到：

ValueError:索引包含重复的条目，无法重塑

具有和的解决方案：

---

如果您熔化并旋转，则可以获得：

代码：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

测试代码：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

结果：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

---

如果您熔化并旋转，则可以获得：

代码：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

测试代码：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

结果：

def by_employee(frame):
    melted = pd.melt(
        frame, value_vars=['GS', 'MS', 'ES'], id_vars=['Day', 'Date'])
    pivot = pd.pivot_table(melted, values='variable', index='value',
                           columns=['Day', 'Date'],
                           aggfunc=lambda x: x.values[0])
    return pivot

data = [x.strip().split() for x in """
            Day        Date  GS  MS  ES
         Monday  20/02/2017  11  22  33
        Tuesday  21/02/2017  22  11  33
      Wednesday  22/02/2017  33  22  11
""".split('\n')[1:-1]]
df = pd.DataFrame(data[1:], columns=data[0])
print(df)

print(by_employee(df))

         Day        Date  GS  MS  ES
0     Monday  20/02/2017  11  22  33
1    Tuesday  21/02/2017  22  11  33
2  Wednesday  22/02/2017  33  22  11

Day       Monday    Tuesday  Wednesday
Date  20/02/2017 21/02/2017 22/02/2017
value                                 
11            GS         MS         ES
22            MS         GS         MS
33            ES         ES         GS

---

“{}{}”.format（第[2]行，第[1]行]，*第[3]行：，->无效语法您使用的是哪个python版本？python的早期版本不允许解压列表，因此您需要自己解压：data=[]对于df.itertuples（）中的行：data.append（[{}}}.format（第[2]行，第[1]行]，[第2]行]：Day，第[1]行]：Date行[3]，第[4]，第[5]行]）new_df=pd.DataFrame（数据）好的，谢谢，我会工作并更新状态。我使用的是python 2.7'{}{}'。格式（第[2]行，第[1]行]，*第[3]行：，->无效语法您使用的是哪种python版本？早期版本的python不允许解压列表，所以您需要自己解压：数据=[]对于df.itertuples（）中的行：data.append（[{}{}}.format（第[2]行，第[1]行]，#第[2]行]：天，第[1]行]：日期行[3]，第[4]行]，第[5]]行）新建_df=pd.DataFrame（数据）好的，谢谢，我将工作并更新状态。我正在使用python 2.7