Python 更改panda数据帧的体系结构（索引-列）

首先，这是我在StackOverflow中的第一个问题，然后告诉我是否做错了什么（对不起我的英语，我是法国人：）

这个问题是找到用Python脚本更改数据帧体系结构的最佳方法

这就是我所拥有的（数据帧）：

这就是我想要的（总行的结果，但带有点id）

为了做到这一点，我尝试了几种方法，但没有人能为我工作（或者我没有设法让它们工作），我尝试使用stack（）函数和dataframe的multiIndex函数

如果你有任何帮助我的想法，请与我分享

---

提前谢谢

可能是一些

.loc

过滤，

ffill

然后

melt

与

groupby

一起，然后是

unstack

df.loc[df['Point'].eq('TOTAL'),'var'] = 'Total'
df['Point'] = df['Point'].replace('TOTAL',np.nan).ffill()

df1 = df.ffill().loc[df["var"].eq("Total")].drop("var", axis=1).melt(
    id_vars=["Name", "Point", "LoadCase"]
).groupby(["Name", "Point", "LoadCase", "variable"]).first().unstack("LoadCase").reset_index()

print(df1)

           Name   Point variable value    
LoadCase                           LC1 LC2
0         Name1  point1    Data1     8  17
1         Name1  point1    Data2     9  18
2         Name1  point1    Data3    10  19
3         Name2  point2    Data1    26  35
4         Name2  point2    Data2    27  36
5         Name2  point2    Data3    28  37

---

您可以创建一个布尔列来跟踪哪些行是“总计”行，清除并向前填充“点”，然后熔化并旋转数据

将熊猫作为pd导入
将numpy作为np导入
df['is_total']=df.Point.eq（'total'））
df['Point']=df.Point.replace（'TOTAL'，np.nan）
out=（df.ffill（）
.query（'is_total'）
.drop（'is_total'，轴=1）
.melt（id_vars=['Name'，'Point'，'LoadCase']，var_Name='Data'）
.pivot_表（索引=['Name'，'Point'，'Data']，columns='LoadCase'）
)
out.columns=out.columns.get\u级别\u值（-1）
out=out.reset_index（）
出来
#返回：
LoadCase名称点数据LC1 LC2
0名称1点1数据1 8 17
1名称1点1数据2 9 18
2名称1点1数据3 10 19
3名称2点2数据1 26 35
4名称2点2数据2 27 36
5名称2点2数据3 28 37

是类型为

str

或

numpy.nan

的

NA

的值。数据帧是从csv文件生成的。与csv文件中的空数据相对应的NA值。确切的值是NaN，我想是numpy.NaN，但不确定，我会检查这个。我仍然有错误。因为我的panda版本是0.19，所以我必须更改melt语法，然后我尝试这样做：`df['is_total']=df.Point.eq（'total'）df['Point']=df.Point.replace（'total'，np.nan）out=（df.ffill（）.query（'is_total'）。drop（'is_total'，axis=1）out1=pd.melt（out，id_vars='Name'，'Point'，'LoadCase'，']），var_Name='Data'）out1.pivot\表（索引）=['Name'，'Point'，'Data']，columns='LoadCase'）out1.columns=out1.columns.get_level_值（-1）out1=out1.reset_index（）`但我仍然有一列负载情况，而不是每个负载情况都有一列。我做错了什么？Thansk对于您的回答，它似乎是有效的。但是您知道，是否有可能将此数据帧放入csv中，并使用以下列：Name-Point-variable-LC1-LC2，而不是Name-Point-variable-value？

    Name    Point    Data    LC1    LC2
0   Name1   Point1   Data1   8      17
1   Name1   Point1   Data2   9      18
2   Name1   Point1   Data3   10     19
3   Name2   Point2   Data1   26     35
4   Name2   Point2   Data2   27     36
5   Name2   Point2   Data3   28     37

df.loc[df['Point'].eq('TOTAL'),'var'] = 'Total'
df['Point'] = df['Point'].replace('TOTAL',np.nan).ffill()

df1 = df.ffill().loc[df["var"].eq("Total")].drop("var", axis=1).melt(
    id_vars=["Name", "Point", "LoadCase"]
).groupby(["Name", "Point", "LoadCase", "variable"]).first().unstack("LoadCase").reset_index()

print(df1)

           Name   Point variable value    
LoadCase                           LC1 LC2
0         Name1  point1    Data1     8  17
1         Name1  point1    Data2     9  18
2         Name1  point1    Data3    10  19
3         Name2  point2    Data1    26  35
4         Name2  point2    Data2    27  36
5         Name2  point2    Data3    28  37