Python 使用pd.melt将列转换为两个独立的变量值列
我正试图以这种方式融化这个数据帧Python 使用pd.melt将列转换为两个独立的变量值列,python,pandas,melt,Python,Pandas,Melt,我正试图以这种方式融化这个数据帧 df = pd.DataFrame({'ID':[1,2,3,4,5,6], 'A1':[1,2,3,4,5,6],'A2':[3,4,5,6,7,8], 'B1':[9,8,7,6,5,4], 'B2':[6,5,4,3,2,1], 'C':['x','x','x','y','y','y']}) pd.melt(df,id\u vars=['id','C'])将创建单个变量和值列,但如何实现上述结果?这更像是一个从宽到长的问题 ID C varia
df = pd.DataFrame({'ID':[1,2,3,4,5,6], 'A1':[1,2,3,4,5,6],'A2':[3,4,5,6,7,8], 'B1':[9,8,7,6,5,4], 'B2':[6,5,4,3,2,1], 'C':['x','x','x','y','y','y']})
pd.melt(df,id\u vars=['id','C'])
将创建单个变量和值列,但如何实现上述结果?这更像是一个从宽到长的问题
ID C variable1 value1 variable2 value2
1 x A1 1 B1 9
2 x A1 2 B1 8
3 x A1 3 B1 7
4 y A1 4 B1 6
5 y A1 5 B1 5
6 y A1 6 B1 4
1 x A2 3 B2 6
2 x A2 4 B2 5
3 x A2 5 B2 4
4 y A2 6 B2 3
5 y A2 7 B2 2
6 y A2 8 B2 1
谢谢@WeNYoBen,效果很好(+1)。然而,在我的真实数据集中,变量的命名如下:df=pd.DataFrame({'ID':[1,2,3,4,5,6],'abc_-tac':[1,2,3,4,5,6],'ght_-tac':[3,4,5,6,7,7,8],'abc_-toc':[6,5,4,3,2,1],'C':[x','x','x','y','y','y',
。你会如何处理这个案子?tac
和toc
相当于my中的1
和2
question@HappyPy将sep=''.
和suffix='.*.
作为参数传递给wide\u to\u long
@HappyPyH,我想Alolz会很好地解释和回答你的问题:-)
pd.wide_to_long(df,['A','B'],i=['ID','C'],j='Number').reset_index()
ID C Number A B
0 1 x 1 1 9
1 1 x 2 3 6
2 2 x 1 2 8
3 2 x 2 4 5
4 3 x 1 3 7
5 3 x 2 5 4
6 4 y 1 4 6
7 4 y 2 6 3
8 5 y 1 5 5
9 5 y 2 7 2
10 6 y 1 6 4
11 6 y 2 8 1