Python 将数据帧从宽旋转到长

我不确定这些数据的格式是否正确，但我想做的是：

从

d1

形状转换为

d2

[26]中的

：d1=pd.DataFrame（{'where'：['x'，'y']，
…：'p1'：[3,7]，
…：'p2'：[11,12]}）
在[27]中：d2=pd.DataFrame({
…：'where'：['x'，'x'，'y'，'y']，
…：‘谁’：[‘p1’、‘p2’、‘p1’、‘p2’]，
…：“值”：[3,11,7,12]}）

看起来是：

[10]中的

：d1
出[10]：
其中p1p2
0 x 3 11
1 y 7 12
在[11]中：d2
出[11]：
谁看重什么
0 x p1 3
1 x p2 11
2 y p1 7
3 y p2 12

我认为这是d1.pivot（…）的某种形式，但我似乎不知道该怎么做

因此，为了清楚起见，我希望能够使用pandas将数据

d1

重塑为

d2

的结构

编辑 下面的方法可行，但效果很差

d3=d1.pivot（columns='where'）.T.reset_index（）
d3.columns=['who'，'where'，'a'，'b']
d3=d3.loc[：，['where'，'who'，'a'，'b']
d3=d3.排序_值（'其中'）
d3.fillna（值=0，就地=True）
d3['c']=d3.a+d3.b
d3.下降（['a'，'b'，轴=1，原地=True）
d3.列=['where'，'who'，'value']
In[43]：d3
出[43]：
谁看重什么
0 x p1 3.0
2xp211.0
1 y p1 7.0
3 y p2 12.0

编辑2 以下作品

[49]中的

：d1.melt（id\u vars='where'）
出[49]：
其中变量值
0 x p1 3
1 y p1 7
2 x p2 11
3 y p2 12

我很好奇pivot是否能做到这一点？我的印象是，所有这些操作都可以使用pivot函数完成

编辑3-恢复原始结构的示例 上面我指的是

pivot

函数，而不是

pivot\u表

函数，尽管下面的示例是一种查找给定最终结果的原始结构的方法

d1.melt（id_vars='where'）.pivot_表（values=“value”、index=“where”、columns=“variable”）
变量p1p2
哪里
x 3 11
y 7 12

不，这不能用透视表完成。您不能在数据帧内旋转值

您可以使用pivot将d2返回到d1。下面的示例显示d1变成d2（按照最初的请求），然后我们可以使用pivot_表将d2返回给d1

d1.melt(id_vars='where')

  where variable  value
0     x       p1      3
1     y       p1      7
2     x       p2     11
3     y       p2     12


d1.melt(id_vars='where').pivot(values="value", index="where", columns="variable")

variable    p1  p2
where       
x           3   11
y           7   12

您试图做的是将数据从一个宽数据集“unpivot”到一个长数据集

---

这应该可以做到：

d1.set_index（'where'）.unstack（）.reset_index（）.rename（列={“level_0”：“who”，0:“value”}）

输出：

who who where value
0 p1 x 3
1 p1 y 7
2p2x11
3 p2 y 12

pivot---melt或stack@YOBEN_S如前所述，我知道这一功能，我要求提供使用指南it@YOBEN_S我已经编辑了OP“不能用透视表完成”-熊猫

pivot

和

pivot\u table

是完全不同的东西，不是吗？我指的不是使用pivot表，pivot和pivot_表是一样的，唯一的区别是pivot_表也有聚合函数（它更多的是针对数字数据），而pivot（）提供了各种数据类型（字符串、数字等）的通用数据透视，pandas还提供了pivot_table（），用于聚合数值数据进行数据透视。所以我很困惑，它们是相同的还是不同的？就功能而言，哪一个是另一个的子集？它们是相同的，pivot_表是pivot的演变，它包含额外的功能。