我不確定我的問題是否有特定的名稱（我記得聽過一個講座，老師說一部分知識是知道事物的名稱）。無論如何，我正在使用一些遺留系統，我的數據輸出如下：df = pd.DataFrame({'Shop' : [1,2,3,4,5,6,7,8,9,10],'Week 1' : [15,25,11,22,0,-1,15,11,76,62],'Week 2' : [5,44,55,21,12,51,-10,25,81,46]})print(df) Shop Week 1 Week 20 1 15 51 2 25 442 3 11 553 4 22 214 5 0 125 6 -1 516 7 15 -107 8 11 258 9 76 819 10 62 46在這種情況下，周數應該是一個觀察值，而這個數字是一個應該分配給它的值。我正在嘗試做的是以下內容。轉置DF，但將索引保留為Shop。將每個實例變成一個觀察值，因此僅以前 2 個商店為例： Shop Week Hour0 1 1 151 1 2 52 2 1 253 2 2 44實現這一目標的最pythonic方法是什么？在相對中等大小的 df（500 行 52 周）上
3 回答
尚方寶劍之說
TA貢獻1788條經驗 獲得超4個贊
您可以重命名列，pd.melt然后sort_values：
df.columns = [i if not i.startswith('Week') else int(i[-1]) for i in df]
res = pd.melt(df, id_vars='Shop', var_name='Week', value_name='Hour')\
.sort_values('Shop').reset_index(drop=True)
print(res)
Shop Week Hour
0 1 1 15
1 1 2 5
2 2 1 25
3 2 2 44
...
16 9 2 81
17 9 1 76
18 10 1 62
19 10 2 46
湖上湖
TA貢獻2003條經驗 獲得超2個贊
使用 wide_to_long
pd.wide_to_long(df,'Week ',i='Shop',j='week')
Out[770]:
Week
Shop week
1 1 15
2 1 25
3 1 11
4 1 22
5 1 0
6 1 -1
7 1 15
8 1 11
9 1 76
10 1 62
1 2 5
2 2 44
3 2 55
4 2 21
5 2 12
6 2 51
7 2 -10
8 2 25
9 2 81
10 2 46
#pd.wide_to_long(df,'Week ',i='Shop',j='week').sort_index(level=0).reset_index().rename(columns={'Week ':'Hour'})
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
我會使用這樣的東西，盡管所有的重命名有點混亂：
# Rename columns with dict comprehension so it can extend to more than week 1 and week 2
df2 = (df.rename(columns={i: int(i.split()[-1]) for i in df.columns[1:]})
.set_index('Shop')
.stack()
.reset_index()
.rename(columns={'level_1':'Week', 0:'Hour'}))
>>> df2
Shop Week Hour
0 1 1 15
1 1 2 5
2 2 1 25
3 2 2 44
4 3 1 11
5 3 2 55
6 4 1 22
7 4 2 21
8 5 1 0
9 5 2 12
10 6 1 -1
11 6 2 51
12 7 1 15
13 7 2 -10
14 8 1 11
15 8 2 25
16 9 1 76
17 9 2 81
18 10 1 62
19 10 2 46
添加回答
舉報
0/150
提交
取消