Python 多级数据帧融合

我有以下数据帧结构：

       Example1 Example2 Weight Rank Difference
VC                        X Y   X Y
0        ABC      XYZ     1 2   1 2     0
1        PQR      BCD     3 4   3 4     1

 VC Example1 Example2 Weight Rank Difference
 X    ABC       XYZ      1      1      0
 Y    ABC       XYZ      2      2      0
 X    PQR       BCD      3      3      1
 Y    PQR       BCD      4      4      1

我想融化数据帧并获得以下结构：

       Example1 Example2 Weight Rank Difference
VC                        X Y   X Y
0        ABC      XYZ     1 2   1 2     0
1        PQR      BCD     3 4   3 4     1

 VC Example1 Example2 Weight Rank Difference
 X    ABC       XYZ      1      1      0
 Y    ABC       XYZ      2      2      0
 X    PQR       BCD      3      3      1
 Y    PQR       BCD      4      4      1

代码：

上面的代码将我带到了旋转帧，原始帧是所需的输出。所以基本上，我旋转了一个数据帧，现在想把它融化，使它回到相同的结构

原始数据帧：

 VC Example1 Example2 Weight Rank
 X    ABC       XYZ      1      1  
 Y    ABC       XYZ      2      2    
 X    PQR       BCD      3      3      
 Y    PQR       BCD      4      4      

---

感谢您的帮助！谢谢

IIUC，我想你需要

stack

，

groupby

，

ffill

：

df2.stack(1).groupby(level=0).ffill().dropna().reset_index().drop('level_0', axis=1)

或

例子 东方明珠

您的代码：

df2 = df_in.pivot_table(index = 
['Example1','Example2'],columns='VC', values=
['Weight','Rank']).reset_index()

df2['Difference'] = (df2['Rank']['X']-df2['Rank']['Y'])

df2

重塑：

df2.stack(1).groupby(level=0).ffill().dropna().reset_index().drop('level_0', axis=1)

输出：

  VC  Difference Example1 Example2  Rank  Weight
0  X        -1.0      ABC      XYZ   1.0     1.0
1  Y        -1.0      ABC      XYZ   2.0     2.0
2  X        -1.0      PQR      BCD   3.0     3.0
3  Y        -1.0      PQR      BCD   4.0     4.0

---

您可以添加一些代码来生成这些数据帧吗。像这样复制您的数据对我们来说并不容易。谢谢@COLDSPEED添加了一些代码，如果有帮助，请告诉我。@howardroark您可以添加原始数据帧/代码来生成数据帧，这样我们就可以使用您的代码来获取数据透视了吗？@COLDSPEED添加了原始帧。为什么不保持原始数据帧不变，并将数据透视指定给其他命名对象？这避免了数据争回到原始状态。它会丢失其整体上的VC列记录，从而得到相同的结果。问题是dropna（），分配给VC对应列的值是NA。因此，使用dropna（）将删除VC列values@howardroark我无法复制您丢失的VC问题。您是否可以尝试将权重x或y的值添加为NaN。这应该重现这个问题。谢谢您可能希望更新您的答案以支持NaN。这对我有帮助。为NaN的df.fillna（999999）.stack（1）.groupby（level=0）.bfill（）.dropna（）.reset_index（）.drop（'level_0'，axis=1）添加长随机数

df2.stack(1).groupby(level=0).ffill().dropna().reset_index().drop('level_0', axis=1)

  VC  Difference Example1 Example2  Rank  Weight
0  X        -1.0      ABC      XYZ   1.0     1.0
1  Y        -1.0      ABC      XYZ   2.0     2.0
2  X        -1.0      PQR      BCD   3.0     3.0
3  Y        -1.0      PQR      BCD   4.0     4.0