Python 熊猫：熔化具有相同索引的多个列

我有以下数据帧：

+---+-----+-----+------+------+------+------+
|   |  A  |  B  | C_10 | C_20 | D_10 | D_20 |
+---+-----+-----+------+------+------+------+
| 1 | 0.1 | 0.2 |    1 |    2 |    3 |    4 |
| 2 | 0.3 | 0.4 |    5 |    6 |    7 |    8 |
+---+-----+-----+------+------+------+------+

现在，我想将

C_10

，

C_20

，

d_10

，

d_20

列合并，以获得如下数据帧：

+---+-----+-----+----+---+---+
|   |  A  |  B  | N  | C | D |
+---+-----+-----+----+---+---+
| 1 | 0.1 | 0.2 | 10 | 1 | 3 |
| 1 | 0.1 | 0.2 | 20 | 2 | 4 |
| 2 | 0.3 | 0.4 | 10 | 5 | 7 |
| 2 | 0.3 | 0.4 | 20 | 6 | 8 |
+---+-----+-----+----+---+---+

有没有一个简单的方法可以做到这一点？谢谢

编辑：我尝试了

从宽到长

，但如果数据帧中存在重复行，则此操作无效：

+---+-----+-----+------+------+------+------+
|   |  A  |  B  | C_10 | C_20 | D_10 | D_20 |
+---+-----+-----+------+------+------+------+
| 1 | 0.1 | 0.2 |    1 |    2 |    3 |    4 |
| 2 | 0.3 | 0.4 |    5 |    6 |    7 |    8 |
+---+-----+-----+------+------+------+------+

df=pd.DataFrame({
“组合”：[1,1,2,2]，
“A”：[0.1,0.1,0.2,0.2]，
“B”：[0.3,0.3,0.4,0.4]，
"C_10":[1,5,6,7],，
"C_20":[2,6,7,8],，
“D_10”：[3,7,8,9]，
“D_20”：[4,8,9,10]，
})

如果我使用

wide\u to\u long

我会得到以下错误：

>pd.wide_to_long（df，stubnames=['C'，'D'，i=['combination'，'A'，'B']，j='N'，sep='u'）。重置索引（）
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
---->1 pd.宽到长（df，stubnames=['C'，'D'，i=['combination'，'A'，'B']，j='N'，sep='uu'）。重置索引（）
pandas/core/reforme/melt.py宽到长（df、stubnames、i、j、sep、后缀）
456
457如果df[i].duplicated（）.any（）：
-->458 raise VALUERROR（“id变量需要唯一标识每一行”）
459
460 value_vars=[获取stubnames中的stub的_var_名称（df、stub、sep、后缀）]
ValueError：id变量需要唯一标识每一行

参数

i

被描述为“用作id变量的列”，但我不明白这到底是什么意思。

使用：

编辑：如果

A、B

列的可能组合不唯一，则可以使用将索引转换为列

索引创建帮助器列，应用解决方案并最后删除级别
索引
：

df = (pd.wide_to_long(df.reset_index(), 
                      stubnames=['C','D'],
                      i=['index','A','B'], 
                      j='N', 
                      sep='_')
        .reset_index(level=0, drop=True)
        .reset_index())
print (df)

     A    B   N  combination  C   D
0  0.1  0.3  10            1  1   3
1  0.1  0.3  20            1  2   4
2  0.1  0.3  10            1  5   7
3  0.1  0.3  20            1  6   8
4  0.2  0.4  10            2  6   8
5  0.2  0.4  20            2  7   9
6  0.2  0.4  10            2  7   9
7  0.2  0.4  20            2  8  10

这对你有用吗：我遇到了另一个问题，编辑了我原来的帖子。@joe-92-编辑的答案。
df = (pd.wide_to_long(df.reset_index(), 
                      stubnames=['C','D'],
                      i=['index','A','B'], 
                      j='N', 
                      sep='_')
        .reset_index(level=0, drop=True)
        .reset_index())
print (df)

     A    B   N  combination  C   D
0  0.1  0.3  10            1  1   3
1  0.1  0.3  20            1  2   4
2  0.1  0.3  10            1  5   7
3  0.1  0.3  20            1  6   8
4  0.2  0.4  10            2  6   8
5  0.2  0.4  20            2  7   9
6  0.2  0.4  10            2  7   9
7  0.2  0.4  20            2  8  10