Pandas：通过拆分列和变量中的列来重塑数据框

Question

我有以下要融化的数据框：

import numpy as np
import pandas as pd
dates = pd.date_range('1/1/2014', periods=4)
df = pd.DataFrame(np.eye(4, ), index=dates, columns=['A_var1', 'A_var2', 'B_var1', 'B_var2'])
print(df)

             A_var1  A_var2  B_var1  B_var2
2014-01-01     1.0     0.0     0.0     0.0
2014-01-02     0.0     1.0     0.0     0.0
2014-01-03     0.0     0.0     1.0     0.0
2014-01-04     0.0     0.0     0.0     1.0

我想获取以下内容：

            type    var1    var2  
2014-01-01   A      1.0     0.0    
2014-01-01   B      0.0     0.0    
2014-01-02   A      0.0     1.0     
2014-01-02   B      0.0     0.0  
2014-01-03   A      0.0     0.0    
2014-01-03   B      1.0     0.0
2014-01-04   A      0.0     0.0     
2014-01-04   B      0.0     1.0

知道如何有效地做到这一点吗？我知道我可以使用 melt 函数，但我无法让它在那种情况下工作。

非常感谢，

Answer 1

您可以在多索引列上使用 stack。

In [304]: df.columns = df.columns.str.split('_', expand=True)

In [305]: df.stack(0).reset_index(1)
Out[305]:
           level_1  var1  var2
2014-01-01       A   1.0   0.0
2014-01-01       B   0.0   0.0
2014-01-02       A   0.0   1.0
2014-01-02       B   0.0   0.0
2014-01-03       A   0.0   0.0
2014-01-03       B   1.0   0.0
2014-01-04       A   0.0   0.0
2014-01-04       B   0.0   1.0

Answer 2

一个选项是 pivot_longer function from pyjanitor，使用 .value 占位符：

# pip install pyjanitor
import pandas as pd
import janitor

df.pivot_longer(names_to=("type", ".value"), 
                names_sep="_", 
                ignore_index=False, 
                sort_by_appearance = True)

          type  var1  var2
2014-01-01   A   1.0   0.0
2014-01-01   B   0.0   0.0
2014-01-02   A   0.0   1.0
2014-01-02   B   0.0   0.0
2014-01-03   A   0.0   0.0
2014-01-03   B   1.0   0.0
2014-01-04   A   0.0   0.0
2014-01-04   B   0.0   1.0

.value 将与其关联的列的一部分保留为 header，而其余部分进入 type 列。

Pandas：通过拆分列和变量中的列来重塑数据框

Pandas: reshaping dataframe by splitting columns in a column and a variable

python

melt

pandas