Python 为分类列中的分类值创建行

这是我在StackOverflow的第一个问题。我希望你能帮我解决一个困扰我一段时间的问题。我找不到合适的答案

我的数据如下所示：

df = pd.DataFrame({'col1': {0: 1, 1: 1, 2: 1},
               'col2': {0: 1, 1: 2, 2: 3},
               'col3': {0: 1, 1: 2, 2: 3},
               'col4': {0: 1.1, 1: 2.1, 2: 3.1},
               'col5': {0: 10, 1: 12, 2: 14},
               'col6': {0: 1.2, 1: 2.2, 2: 3.2},
               'col7': {0: 11, 1: 13, 2: 15},
              })
df.columns = ["VZ", "NZ", "L", "T_0_Rel", "T_0_Abs", "T_Akt_Rel", "T_Akt_Abs"]
df

╔════╦════╦═══╦═════════════╦═════╦═════╗
║ VZ ║ NZ ║ L ║ T_0 / T_Akt ║ Abs ║ Rel ║
╠════╬════╬═══╬═════════════╬═════╬═════╣
║  1 ║  1 ║ 1 ║     T_0     ║ 10  ║ 1.1 ║
║  1 ║  1 ║ 1 ║     T_Akt   ║ 11  ║ 1.2 ║
║  1 ║  2 ║ 2 ║     T_0     ║ 12  ║ 2.1 ║
║  1 ║  2 ║ 2 ║     T_Akt   ║ 13  ║ 2.2 ║
║  1 ║  3 ║ 3 ║     T_0     ║ 14  ║ 3.1 ║
║  1 ║  3 ║ 3 ║     T_Akt   ║ 15  ║ 3.2 ║
╚════╩════╩═══╩═════════════╩═════╩═════╝

哪些输出（无索引列）：

现在，我想将此数据帧扭曲成如下内容：

df = pd.DataFrame({'col1': {0: 1, 1: 1, 2: 1},
               'col2': {0: 1, 1: 2, 2: 3},
               'col3': {0: 1, 1: 2, 2: 3},
               'col4': {0: 1.1, 1: 2.1, 2: 3.1},
               'col5': {0: 10, 1: 12, 2: 14},
               'col6': {0: 1.2, 1: 2.2, 2: 3.2},
               'col7': {0: 11, 1: 13, 2: 15},
              })
df.columns = ["VZ", "NZ", "L", "T_0_Rel", "T_0_Abs", "T_Akt_Rel", "T_Akt_Abs"]
df

╔════╦════╦═══╦═════════════╦═════╦═════╗
║ VZ ║ NZ ║ L ║ T_0 / T_Akt ║ Abs ║ Rel ║
╠════╬════╬═══╬═════════════╬═════╬═════╣
║  1 ║  1 ║ 1 ║     T_0     ║ 10  ║ 1.1 ║
║  1 ║  1 ║ 1 ║     T_Akt   ║ 11  ║ 1.2 ║
║  1 ║  2 ║ 2 ║     T_0     ║ 12  ║ 2.1 ║
║  1 ║  2 ║ 2 ║     T_Akt   ║ 13  ║ 2.2 ║
║  1 ║  3 ║ 3 ║     T_0     ║ 14  ║ 3.1 ║
║  1 ║  3 ║ 3 ║     T_Akt   ║ 15  ║ 3.2 ║
╚════╩════╩═══╩═════════════╩═════╩═════╝

所以基本上，我希望每个T_O-和T_Akt-值都有一行，而Abs-和Rel值可以保留在一行中

我想这应该可以通过.stack（）或.melt（）实现，但我可以想出方法

这一切背后的意图是在我的数据帧中有一个分类值，以便在seaborn.boxplot或violinplot函数中使用hue参数。我不知道如何将色调参数与多个列一起使用，而不是使用分类值。 （也许我错了，还有一个更简单的方法……）

---

非常感谢

因为从概念上讲，您有一个层次化的列索引，所以我会这样做，然后使用

stack

df = pandas.DataFrame({
    'VZ': {0: 1, 1: 1, 2: 1},
    'NZ': {0: 1, 1: 2, 2: 3},
    'L': {0: 1, 1: 2, 2: 3},
    'T_0_Rel': {0: 1.1, 1: 2.1, 2: 3.1},
    'T_0_Abs': {0: 10, 1: 12, 2: 14},
    'T_Akt_Rel': {0: 1.2, 1: 2.2, 2: 3.2},
    'T_Akt_Abs': {0: 11, 1: 13, 2: 15},
})

print(
    df.set_index(['VZ', 'NZ', 'L'])  # row labels
      .rename(columns=lambda c: tuple(c.rsplit('_', 1)))  # create the multi-cols
      .stack(level=0) # unpivot
      .reset_index()  # move the row labels back into normal columns 
)

我明白了：

   VZ  NZ  L level_3  Abs  Rel
0   1   1  1     T_0   10  1.1
1   1   1  1   T_Akt   11  1.2
2   1   2  2     T_0   12  2.1
3   1   2  2   T_Akt   13  2.2
4   1   3  3     T_0   14  3.1
5   1   3  3   T_Akt   15  3.2