Python dataframe：将列转换为单个列的行

我有一个看起来像

userId  feature1  feature2  feature3  ...
123456  0         0.45      0         ...
234567  0         0         0         ...
345678  0.6       0         0.2       ...
.
.

这些特征大部分是零，但偶尔其中一些会有非零值。一个userId的一行可以有零个、一个或多个非零特性

我想将其转换为以下数据集：

userId  feature  value
123456  feature2 0.45
345678  feature1 0.6
345678  feature3 0.2

本质上，我们只保留每个用户ID的非零特性。因此，对于用户ID 345678，我们在转换的数据集中有两行，一行用于feature1，另一行用于feature3。用户标识234567被删除，因为没有任何功能是非零的

这是否可以使用groupby或pivoting来完成？如果是，怎么做

---

还有其他熊猫话筒解决方案吗？

Magic from

melt

df.melt('userId').query('value!=0')
Out[459]: 
   userId  variable  value
2  345678  feature1   0.60
3  123456  feature2   0.45
8  345678  feature3   0.20

请注意，使用

stack

时，需要将掩码0设置为

NaN

df.mask(df.eq(0)).set_index('userId').stack().reset_index()
Out[460]: 
   userId   level_1     0
0  123456  feature2  0.45
1  345678  feature1  0.60
2  345678  feature3  0.20

---

这确实是一种魔力。这个操作是否有一个通用名称，比如说数据透视是表格数据的标准操作？@Nik这是重塑，比如熔化和堆叠——取消Pivots