Python 如何通过固定唯一列来展开/重塑多维数据帧？

我正在尝试创建一个数据帧。因此，考虑下面的<代码> df>代码>：

    0   1   2   3   4   5   6   7   8   unique_id
Apple (Date 09/21/2016)     NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     101
bannana (Date 09/30/2016)   NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     102
cherry (New 04/05/2016)     tomatoes (New 04/07/2016)   potatoes (Date 11/08/2016)  pineapples (Date 04/11/2016)    carrots (Date 11/01/2016)   NaN     NaN     NaN     NaN     103
coconuts (Date 11/10/2016)  NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN     104
oranges (Date 11/01/2016)   watermelon (Date 11/07/2016)    pears (Date 11/08/2016)     carrots (Date 11/01/2016)   blackberry (New 01/22/2015)     NaN     NaN     NaN     NaN     105
kiwi (Date 11/09/2016)  carrots (Date 11/01/2016)   NaN     NaN     NaN     NaN     NaN     NaN     NaN     106

如何按以下方式将

unique\u id

列设置为唯一索引<代码>（*）：

对于上面的内容，我尝试使用和方法将

unique\u id

列设置为索引，以便将其用作“轴”：

---

但是，我想我正在使这项任务复杂化，因此如何重新索引数据帧以获得

（*）

？

如果不需要具有

NaN

值的行，请与和一起使用：

如果需要

NaN

使用：

df = df.set_index('unique_id')
       .stack(dropna=False)
       .reset_index(level=1, drop=True)
       .reset_index(name='a')

print (df)
    unique_id                             a
0         101       Apple (Date 09/21/2016)
1         101                           NaN
2         101                           NaN
3         101                           NaN
4         101                           NaN
5         101                           NaN
6         101                           NaN
7         101                           NaN
8         101                           NaN
9         102     bannana (Date 09/30/2016)
10        102                           NaN
11        102                           NaN
12        102                           NaN
13        102                           NaN
14        102                           NaN
15        102                           NaN
16        102                           NaN
17        102                           NaN
18        103       cherry (New 04/05/2016)
19        103     tomatoes (New 04/07/2016)
20        103    potatoes (Date 11/08/2016)
21        103  pineapples (Date 04/11/2016)
22        103     carrots (Date 11/01/2016)
23        103                           NaN
24        103                           NaN
25        103                           NaN
26        103                           NaN
27        104    coconuts (Date 11/10/2016)
28        104                           NaN
29        104                           NaN
30        104                           NaN
31        104                           NaN
32        104                           NaN
33        104                           NaN
34        104                           NaN
35        104                           NaN
36        105     oranges (Date 11/01/2016)
37        105  watermelon (Date 11/07/2016)
38        105       pears (Date 11/08/2016)
39        105     carrots (Date 11/01/2016)
40        105   blackberry (New 01/22/2015)
41        105                           NaN
42        105                           NaN
43        105                           NaN
44        105                           NaN
45        106        kiwi (Date 11/09/2016)
46        106     carrots (Date 11/01/2016)
47        106                           NaN
48        106                           NaN
49        106                           NaN
50        106                           NaN
51        106                           NaN
52        106                           NaN
53        106                           NaN

---

谢谢，我正在检查解决方案，请稍候！不过，我不想把Unique_id作为列名，因为它对我来说并不独特！类似的，你可以登记。嘿@jezrael，不修一个怎么样？。有可能吗？我试过：

f=df.set_index（['0_x'，'1_x']）.stack（）.reset_index（level=1，drop=True）。reset_index（name='a'）

。尽管如此，我还是得到了：

Keyerror

我认为如果使用

set\u index

和两列，你会得到明显的

MultiIndex

和3个级别，如果

.reset\u index（级别=1，drop=True）

你只删除了一个级别。可能需要添加

.reset_index（level=[0,1]，drop=True）

，但最好是用样本数据和所需输出发布新问题。

df = pd.DataFrame(df.stack().reset_index(drop=False))
df['col-index'] = df['unique_id']
df = df.set_index('col-index')

df = df.set_index('unique_id')
       .stack()
       .reset_index(level=1, drop=True)
       .reset_index(name='a')

print (df)
    unique_id                             a
0         101       Apple (Date 09/21/2016)
1         102     bannana (Date 09/30/2016)
2         103       cherry (New 04/05/2016)
3         103     tomatoes (New 04/07/2016)
4         103    potatoes (Date 11/08/2016)
5         103  pineapples (Date 04/11/2016)
6         103     carrots (Date 11/01/2016)
7         104    coconuts (Date 11/10/2016)
8         105     oranges (Date 11/01/2016)
9         105  watermelon (Date 11/07/2016)
10        105       pears (Date 11/08/2016)
11        105     carrots (Date 11/01/2016)
12        105   blackberry (New 01/22/2015)
13        106        kiwi (Date 11/09/2016)
14        106     carrots (Date 11/01/2016)

df = df.set_index('unique_id')
       .stack(dropna=False)
       .reset_index(level=1, drop=True)
       .reset_index(name='a')

print (df)
    unique_id                             a
0         101       Apple (Date 09/21/2016)
1         101                           NaN
2         101                           NaN
3         101                           NaN
4         101                           NaN
5         101                           NaN
6         101                           NaN
7         101                           NaN
8         101                           NaN
9         102     bannana (Date 09/30/2016)
10        102                           NaN
11        102                           NaN
12        102                           NaN
13        102                           NaN
14        102                           NaN
15        102                           NaN
16        102                           NaN
17        102                           NaN
18        103       cherry (New 04/05/2016)
19        103     tomatoes (New 04/07/2016)
20        103    potatoes (Date 11/08/2016)
21        103  pineapples (Date 04/11/2016)
22        103     carrots (Date 11/01/2016)
23        103                           NaN
24        103                           NaN
25        103                           NaN
26        103                           NaN
27        104    coconuts (Date 11/10/2016)
28        104                           NaN
29        104                           NaN
30        104                           NaN
31        104                           NaN
32        104                           NaN
33        104                           NaN
34        104                           NaN
35        104                           NaN
36        105     oranges (Date 11/01/2016)
37        105  watermelon (Date 11/07/2016)
38        105       pears (Date 11/08/2016)
39        105     carrots (Date 11/01/2016)
40        105   blackberry (New 01/22/2015)
41        105                           NaN
42        105                           NaN
43        105                           NaN
44        105                           NaN
45        106        kiwi (Date 11/09/2016)
46        106     carrots (Date 11/01/2016)
47        106                           NaN
48        106                           NaN
49        106                           NaN
50        106                           NaN
51        106                           NaN
52        106                           NaN
53        106                           NaN