Python 使用列名和顶行作为列的熊猫融化

我有一个数据帧

df

，其中

Col1、Col2

和

Col3

是列名：

   Col1     Col2    Col3
           a        b
    B      2        3
    C     10        6

上面带有值

a，b

的第一行是子类别，因此

Col1

对于第1行为空

我正试图获得以下信息：

B   Col2    a   2
B   Col3    b   3
C   Col2    a   10
C   Col3    b   6

df = pd.DataFrame({'Col1': {0: np.nan, 1: 'B', 2: 'C'},
'Col2': {0: 'a', 1: '2', 2: '10'},
'Col3': {0: 'b', 1: '3', 2: '6'}})

melted = pd.melt(df, id_vars=['Col1'], value_vars=['Col3', 
'Col2']).dropna().reset_index(drop=True)

subframe = pd.DataFrame({'Col2': ['a'], 'Col3': ['b']}).melt()

melted.merge(subframe, on='variable')

Out[1]:
     Col1 variable value_x value_y
0    B     Col3       3       b
1    C     Col3       6       b
2    B     Col2       2       a
3    C     Col2      10       a

我不知道如何处理上述问题

编辑：

---

使用

stack

和

join

df_final = (df.iloc[1:].set_index('Col1').stack().reset_index(0)
                       .join(df.iloc[0,1:].rename('1')).sort_values('Col1'))

Out[345]:
     Col1   0  1
Col2    B   2  a
Col3    B   3  b
Col2    C  10  a
Col3    C   6  b

---

您可以尝试将NaN替换为空白（或任何希望命名列的字符串）：

输出：

  level_0    Col1   0
0    Col2  a    B   2
1    Col2  a    C  10
2    Col3  b    B   3
3    Col3  b    C   6

     Col0 Col1   0
Col2    a    B   2
Col2    a    C  10
Col3    b    B   3
Col3    b    C   6

---

输出：

  level_0    Col1   0
0    Col2  a    B   2
1    Col2  a    C  10
2    Col3  b    B   3
3    Col3  b    C   6

     Col0 Col1   0
Col2    a    B   2
Col2    a    C  10
Col3    b    B   3
Col3    b    C   6

---

您可以执行以下操作：

B   Col2    a   2
B   Col3    b   3
C   Col2    a   10
C   Col3    b   6

df = pd.DataFrame({'Col1': {0: np.nan, 1: 'B', 2: 'C'},
'Col2': {0: 'a', 1: '2', 2: '10'},
'Col3': {0: 'b', 1: '3', 2: '6'}})

melted = pd.melt(df, id_vars=['Col1'], value_vars=['Col3', 
'Col2']).dropna().reset_index(drop=True)

subframe = pd.DataFrame({'Col2': ['a'], 'Col3': ['b']}).melt()

melted.merge(subframe, on='variable')

Out[1]:
     Col1 variable value_x value_y
0    B     Col3       3       b
1    C     Col3       6       b
2    B     Col2       2       a
3    C     Col2      10       a

然后，您可以根据需要重命名列

您可以在数据框中创建一个新列（取决于哪些行为空），然后筛选出列都具有

a

和

b

的行：

(
    df.melt("Col1")
    .assign(temp=lambda x: np.where(x.Col1.isna(), x.value, np.nan))
    .ffill()
    .query("value != temp")
)

    Col1    variable    value   temp
1      B    Col2           2    a
2      C    Col2          10    a
4      B    Col3           3    b
5      C    Col3           6    b

---

你能像df.to_dict（）那样显示你的数据吗？为什么

a

和

B

在同一行？这个“df.index=pd.MultiIndex.from_product（[df.iloc[0，：]）”对你有用吗？是的。我的版本是

1.0.3