Python 将包含类别的列与包含整数的列合并

我想在列之间创建一个关联数据

我的数据当前为以下格式：

我需要将其转换为以下格式：

将T和G中的类别合并到示例列中，这是怎么可能的

谢谢你的帮助

编辑：

打印（df.dtypes）

输出：

T
int64
Group
object
Sample1
float64
Sample2
int64
Sample3
float64
dtype: object

Int64Index([0, 1, 3, 6, 16, 18, 19, ..., 52], dtype='int64')

<class 'pandas.core.frame.DataFrame'>

打印（测向索引）

输出：

T
int64
Group
object
Sample1
float64
Sample2
int64
Sample3
float64
dtype: object

Int64Index([0, 1, 3, 6, 16, 18, 19, ..., 52], dtype='int64')

<class 'pandas.core.frame.DataFrame'>

打印（类型（df））

输出：

T
int64
Group
object
Sample1
float64
Sample2
int64
Sample3
float64
dtype: object

Int64Index([0, 1, 3, 6, 16, 18, 19, ..., 52], dtype='int64')

<class 'pandas.core.frame.DataFrame'>

将链接放在数据上会更容易。我不想规定你的数据。请尝试使用PANDAS-Crosstab。

假设原始数据帧名为df，列为T、G和Sample*，以下代码将使用所需格式准备一个新数据帧：

list_T = list(df['T'].unique())
list_G = list(df['G'].unique())
list_Samples = list(df.drop(['T', 'G'], axis = 1).columns)

cols = []
data = []
for s in list_Samples:
    for g in list_G:
        for t in list_T:
            cols.append(s + ' T' + str(t) + ' ' + g)
            data.append(list(df[s][(df['T'] == t) & (df['G'] == g)]))

df2 = pd.DataFrame(data = np.array(data).T, columns = cols)

原始数据帧：

转换数据帧：

---

你看过了吗？是的，我在考虑使用

df.set_index（['T'，'Group']）

迭代索引，并为每次迭代创建一个新的数据集和一个新列。有更好的方法吗？当我应用

pd.crosstab（df.Group，df.T，margins=True）

时，我得到错误

TypeError:“int”对象不可编辑

首先检查您拥有的数据类型。print（df.dtypes）和indexend DataFrame:print（type（df））谢谢，我在线程中发布了输出-它说明了什么？