Python 如何使用Pandas将二维表（DataFrame）反转为一维列表？

我正在Python/Pandas中寻找一个技巧，可以将二维表转换为一维列表

我通常利用Excel函数来实现这一点，但我相信有一种聪明的Python方法可以实现这一点

步骤

有关Excel方式的更多详细信息：

---

这应该可以做到：

table = [
            ["Lables", "A", "B", "C"],
            ["X", 1, 2, 3],
            ["Y", 4, 5, 6],
            ["Z", 7, 8, 9]
        ]

new_table = [["Row", "Column", "Data"]]
for line in table[1:]:
    for name, cell in zip(table[0], line)[1:]:
        new_line = [line[0], name, cell]
        new_table.append(new_line)

输出为：

[
    ['Row', 'Column', 'Data'],
    ['X', 'A', 1],
    ['X', 'B', 2],
    ['X', 'C', 3],
    ['Y', 'A', 4],
    ['Y', 'B', 5],
    ['Y', 'C', 6],
    ['Z', 'A', 7],
    ['Z', 'B', 8],
    ['Z', 'C', 9]
]

从

tl；dr，使用：

from pandas import *
df.stack()

====================

让我们举一个例子来说明如何做到这一点

首先生成示例数据：

from pandas import *
import pandas.util.testing as tm; tm.N = 3
import numpy as np
def unpivot(frame):
    N, K = frame.shape
    data = {'value' : frame.values.ravel('F'),
            'variable' : np.asarray(frame.columns).repeat(N),
            'date' : np.tile(np.asarray(frame.index), K)}
    return DataFrame(data, columns=['date', 'variable', 'value'])
df = unpivot(tm.makeTimeDataFrame())
df2=  df.pivot('date', 'variable')

我们将取消此表的打印：

               value                              
variable           A         B         C         D
date                                              
2000-01-03 -0.425081  0.163899 -0.216486 -0.266285
2000-01-04  0.078073  0.581277  0.103257 -0.338083
2000-01-05  0.721696 -1.311509 -0.379956  0.642527

运行：

瞧！现在我们得到了想要的桌子

                        value
date       variable          
2000-01-03 A        -0.425081
           B         0.163899
           C        -0.216486
           D        -0.266285
2000-01-04 A         0.078073
           B         0.581277
           C         0.103257
           D        -0.338083
2000-01-05 A         0.721696
           B        -1.311509
           C        -0.379956
           D         0.642527

---

这种类型的操作也可以使用来完成，这将取消数据帧的IVOTS

如果数据帧

df

如下所示：

  row labels  Tue  Wed  Thu  Sat  Sun  Fri  Mon
0      Apple   21   39   24   27   37   46   42
1     Banana   32   50   48   35   21   27   22
2       Pear   37   20   45   45   31   50   32

然后我们选择

行标签

列作为我们的

id\u变量

，其余列作为我们的值（

value\u变量

）。我们甚至可以同时为列选择新名称：

>>> pd.melt(df, 
            id_vars='row labels', 
            value_vars=list(df.columns[1:]), # list of days of the week
            var_name='Column', 
            value_name='Sum of Value')

   row labels   Column   Sum of Value
0       Apple      Tue             21
1      Banana      Tue             32
2        Pear      Tue             37
3       Apple      Wed             39
4      Banana      Wed             50
5        Pear      Wed             20
...

---

value\u vars

相互堆叠：如果列值需要按特定顺序排列，则有必要在熔化后对列进行排序。

您是否有Python中的示例输入/示例输出？谢谢，您的建议非常有效，易于理解。没问题，很高兴它有帮助。

>>> pd.melt(df, 
            id_vars='row labels', 
            value_vars=list(df.columns[1:]), # list of days of the week
            var_name='Column', 
            value_name='Sum of Value')

   row labels   Column   Sum of Value
0       Apple      Tue             21
1      Banana      Tue             32
2        Pear      Tue             37
3       Apple      Wed             39
4      Banana      Wed             50
5        Pear      Wed             20
...