如何在 Python 3 中 "melt" `pandas.DataFrame` objects？

Question

我正在尝试 melt pd.DataFrame 的某些列，同时保留其他列。在这种情况下，我想将 melt sine 和 cosine 列放入 values 然后它们来自哪一列（即 sine 或 cosine ) 到标题为 data_type 的新列中，然后保留原始的 desc 列。

如何使用 pd.melt 实现此目的而不手动熔化和连接每个组件？

# Data
a = np.linspace(0,2*np.pi,100)
DF_data = pd.DataFrame([a, np.sin(np.pi*a), np.cos(np.pi*a)], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T
DF_data["desc"] = ["info about this" for _ in DF_data.index]

我的绕圈方式：

# Melt each part
DF_melt_A = pd.DataFrame([DF_data["t"],
                          DF_data["sine"],
                          pd.Series(DF_data.shape[0]*["sine"], index=DF_data.index, name="data_type"), 
                          DF_data["desc"]]).T.reset_index()
DF_melt_A.columns = ["idx","t","values","data_type","desc"]
DF_melt_B = pd.DataFrame([DF_data["t"],
                          DF_data["cosine"],
                          pd.Series(DF_data.shape[0]*["cosine"], index=DF_data.index, name="data_type"),
                          DF_data["desc"]]).T.reset_index()
DF_melt_B.columns = ["idx","t","values","data_type","desc"]

# Merge
pd.concat([DF_melt_A, DF_melt_B], axis=0, ignore_index=True)

如果我这样做 pd.melt(DF_data 我会彻底崩溃

回复评论：

Answer 1

好吧，所以我不得不创建一个类似的 df，因为我无权访问您的 a 变量。我将列表的 a 变量从 0 更改为 99...所以 t 将是 0 到 99

你可以这样做：

a = range(0, 100)
DF_data = pd.DataFrame([a, [np.sin(x)for x in a], [np.cos(x)for x in a]], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T
DF_data["desc"] = ["info about this" for _ in DF_data.index]

df = pd.melt(DF_data, id_vars=['t','desc'])
df.head(5)

这应该 return 您正在寻找的东西。

     t             desc variable     value
0  0.0  info about this     sine  0.000000
1  1.0  info about this     sine  0.841471
2  2.0  info about this     sine  0.909297
3  3.0  info about this     sine  0.141120
4  4.0  info about this     sine -0.756802

如何在 Python 3 中 "melt" `pandas.DataFrame` objects？

How to "melt" `pandas.DataFrame` objects in Python 3?

python

pandas

matrix

dataframe

melt