Python 使用pandas将新数据帧索引到新列中

我需要通过选择多个列，并将这些列值附加到一个新列，并将其相应的索引作为一个新列，从现有的数据框创建一个新的数据框

假设我将其作为数据帧：

A B C D E F
0 1 2 3 4 0
0 7 8 9 1 0
0 4 5 2 4 0

通过选择列B到列E将其转换为：

A index_value
1 1
7 1
4 1
2 2
8 2
5 2
3 3
9 3
2 3
4 4
1 4
4 4

因此，对于新数据帧，列

A

将是旧数据帧中列

B到E的所有值，列
索引值
将对应于所选列的索引值[从零开始]

我搔了好几个小时的头。任何帮助都将不胜感激，谢谢

Python3，使用pandas和numpy库。
尝试使用：

df = pd.melt(df[['B', 'C', 'D', 'E']])
# Or df['variable'] = df[['B', 'C', 'D', 'E']].melt()
df['variable'].shift().eq(df['variable'].shift(-1)).cumsum().shift(-1).ffill()
print(df)

输出：

    variable  value
0        1.0      1
1        1.0      7
2        1.0      4
3        2.0      2
4        2.0      8
5        2.0      5
6        3.0      3
7        3.0      9
8        3.0      2
9        4.0      4
10       4.0      1
11       4.0      4

尝试使用：

df = pd.melt(df[['B', 'C', 'D', 'E']])
# Or df['variable'] = df[['B', 'C', 'D', 'E']].melt()
df['variable'].shift().eq(df['variable'].shift(-1)).cumsum().shift(-1).ffill()
print(df)

输出：

    variable  value
0        1.0      1
1        1.0      7
2        1.0      4
3        2.0      2
4        2.0      8
5        2.0      5
6        3.0      3
7        3.0      9
8        3.0      2
9        4.0      4
10       4.0      1
11       4.0      4

这只是
melt

df.columns = range(df.shape[1])
s = df.melt().loc[lambda x : x.value!=0]
s
    variable  value
3          1      1
4          1      7
5          1      4
6          2      2
7          2      8
8          2      5
9          3      3
10         3      9
11         3      2
12         4      4
13         4      1
14         4      4

这只是
melt

df.columns = range(df.shape[1])
s = df.melt().loc[lambda x : x.value!=0]
s
    variable  value
3          1      1
4          1      7
5          1      4
6          2      2
7          2      8
8          2      5
9          3      3
10         3      9
11         3      2
12         4      4
13         4      1
14         4      4

谢谢，这是一个愚蠢的问题，但是我可以使用
df=pd.melt（df.iloc[：，[1,4]）
作为选择列[1,2,3,4]的方法吗根据他们的索引？@TylerWayne是的，那也行得通。如果他们的答案有效，别忘了接受我或WenYoBen的答案。
0,1.0 1,2.0 2,3.0 3,4.0 4,5.0 5,6.0 6,7.0 7,8.0 8,9.0
我相信可能没有正确选择专栏，会很快更新，愚蠢的问题，但我可以使用
df=pd.melt（df.iloc[：，[1,4]）
作为选择列[1,2,3,4]的方法根据他们的索引？@TylerWayne是的，也行得通。别忘了接受我或WenYoBen的答案，如果他们行得通的话，
0,1.01,2.02,3.03,4.04,5.05,6.06,7.07,8.08,9.0
我相信可能没有正确选择这些列，会很快更新。我尝试过这个，显然我做不到
df=df.loc[：，start\u column:end\u column].stack（）.sort_index（level=1）。reset_index（level=0，drop=True）。to_frame（）
因为我正在尝试
df.loc[：，9:15]
按索引选择列
9,10,11,12,13,14,15
。我如何按索引选择列，并且仍能正常工作？在我的实际csv文件中，没有任何标题可供选择，因为它们都是整数。参考：
类型错误：无法使用这些索引器对其进行切片索引[9]of
如果要使用数字索引，请尝试iloc[]而不是loc[]，我在代码中使用了loc[]，因为我是按名称引用列的。“B”而不是1。出于某种原因，索引值从3开始。我选择iloc[9:15]，输出不应该从9开始，然后以数字形式增加到15？loc[a:B，c:d]表示选择行a到b和列c到d。loc[：，c:d]表示选择所有行和列c到d。我喜欢的是相同的，但基于索引。你想选择什么？所以，我尝试了这个，显然我做不到
df=df.loc[：，start\u column:end\u column].stack（）。排序\u索引（level=1）。重置\u索引（level=0，drop=True）。到\u frame（）
因为我正在尝试
df.loc[：，9:15]
按索引选择列
9,10,11,12,13,14,15
。我如何按索引选择列，并且仍能正常工作？在我的实际csv文件中，没有任何标题可供选择，因为它们都是整数。参考：
类型错误：无法使用这些索引器对其进行切片索引[9]of
如果要使用数字索引，请尝试iloc[]而不是loc[]，我在代码中使用了loc[]，因为我是按名称引用列的。“B”而不是1。出于某种原因，索引值从3开始。我选择iloc[9:15]，输出不应该从9开始，然后以数字形式增加到15？loc[a:B，c:d]表示选择行a到b和列c到d。loc[：，c:d]表示选择所有行和列c到d。I love是相同的，但基于索引。您试图选择什么？