Pandas wandeln einige Spalten in Zeilen um

113

Mein Datensatz enthält also einige Informationen nach Standort für n Daten. Das Problem ist, dass jedes Datum tatsächlich eine andere Spaltenüberschrift ist. Zum Beispiel sieht die CSV so aus

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

Ich möchte, dass es so aussieht

location    name    Date        Value
A           "test"  Jan-2010    12       
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18       
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

Problem ist, ich weiß nicht, wie viele Daten in der Spalte sind (obwohl ich weiß, dass sie immer nach dem Namen beginnen)

python pandas

— Wizuriel
quelle

stackoverflow.com/questions/19842066/…

— pyCthon

205

UPDATE
Ab Version 0.20 meltist eine Funktion erster Ordnung, die Sie jetzt verwenden können

df.melt(id_vars=["location", "name"], 
        var_name="Date", 
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

ALTE (ER) VERSIONEN: <0,20

Sie können verwenden pd.melt, um den größten Teil des Weges dorthin zu gelangen, und dann sortieren:

>>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"], 
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

(Vielleicht möchten Sie ein werfen .reset_index(drop=True), nur um die Ausgabe sauber zu halten.)

Hinweis : pd.DataFrame.sort wurde zugunsten von abgelehnt pd.DataFrame.sort_values .

— DSM
quelle

@DSM was wäre die Umkehrung dieser Funktion. dh wie würde man df2[zurück] zudf

— 3kstc

1

@ 3kstc Versuchen Sie es hier oder hier . Sie wollen sich mit Drehpunkten befassen. Möglicherweise pandas.pivot_table(df2,values='Value',index=['location','name'],columns='Date').reset_index().

— Teepeemm

1

@DSM gibt es eine Möglichkeit, rückwärts zu gehen? Das bedeutet, dass ich viele Zeilen mit demselben Namen habe und ich möchte, dass alle Daten in verschiedenen Spalten stehen

— Adrian

17

Verwenden Sie set_indexmit stackfür MultiIndex Series, dann zum DataFrameHinzufügen reset_indexmit rename:

df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

— jezrael
quelle

5

Ich denke, ich habe eine einfachere Lösung gefunden

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

Concat ganz temp1mit temp2's Spaltename

temp1['new_column'] = temp2['name']

Sie haben jetzt das, wonach Sie gefragt haben.

— Prometheus
quelle

3

`pd.wide_to_long`

Sie können Ihren Jahresspalten ein Präfix hinzufügen und dann direkt an füttern pd.wide_to_long. Ich werde nicht so tun, als wäre dies effizient , aber es kann in bestimmten Situationen bequemer sein, als pd.meltwenn Ihre Spalten bereits ein geeignetes Präfix haben.

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))

res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
        .sort_values(['location', 'name'])

print(res)

   name        Date location  Value
0  test    Jan-2010        A     12
2  test    Feb-2010        A     20
4  test  March-2010        A     30
1   foo    Jan-2010        B     18
3   foo    Feb-2010        B     20
5   foo  March-2010        B     25

— jpp
quelle