Python Pandas DataFrame：如何将数字列转换为成对的分类数据？

给定一个数据帧，如何转换多个数字列（其中x≠1表示值存在，x=0表示它不存在）到成对的分类数据帧中？我知道这类似于一个热解码，但列并不完全是一个热解码

例如：

 df
id A  B  C  D
0  3  0  0  1
1  4  1  0  0
2  1  7  20 0
3  0  0  0  4
4  0  0  0  0
5  0  1  0  0

结果将是： df 身份证匹配

 result 
0  A
0  D 
1  A
1  B
2  A
2  B
2  C
3  D
5  B

与过滤和过滤一起使用：

或者，如果性能很重要，则通过与

数据帧

构造函数匹配的值来使用索引：

i, c = np.where(df != 0)

df = pd.DataFrame({'id':df.index.values[i],
                   'result':df.columns.values[c]})
print (df)
   id result
0   0      A
1   0      D
2   1      A
3   1      B
4   2      A
5   2      B
6   2      C
7   3      D
8   5      B

编辑：

首先：

s = df.stack()

df = s[s!=0].reset_index()
df.columns= ['id','result','vals']
print (df)
   id result  vals
0   0      A     3
1   0      D     1
2   1      A     4
3   1      B     1
4   2      A     1
5   2      B     7
6   2      C    20
7   3      D     4
8   5      B     1

第二：

df = pd.DataFrame({'id':df.index.values[i],
                   'result':df.columns.values[c],
                   'vals':df.values[i,c]})

---

可能重复的谢谢！你知道如何将值本身添加到一个额外的列中吗？@Codevan-当然，给他们一秒钟。“value”：df_train.iloc[i，c]对于结果df会有所帮助

df = pd.DataFrame({'id':df.index.values[i],
                   'result':df.columns.values[c],
                   'vals':df.values[i,c]})