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:Python 如何使用Pandas将二维表(DataFrame)反转为一维列表?,python,pandas,dataframe,pivot-table,Python,Pandas,Dataframe,Pivot Table,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]
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
...