Python Pandas -- 在多列上融合、旋转、转置
Python Pandas -- melt, pivot, transpose on multiple columns
我有一个如下所示的数据框。索引是年（1964 到 2016，非唯一，每年重复 31 次），第 1 列是天（1 到 31），第 2 到 13 列是月（1 到 12）
问题是：如何将其转换为日期为 pd.DatetimeIndex 的 Pandas 系列（或单列 df）？我试过使用 groupby、melt、pivot 和 transpose，但我无法找出正确的语法，而且文档也不清楚。非常感谢你的帮助！
我们想利用 pd.to_datetime 功能，该功能采用具有相关命名列的数据框。在这种情况下 'year'、'month' 和 'day'.
所以下面的解决方案旨在创建一个包含这三列的数据框并将其传递给 pd.to_datetime。
- 索引中已经有
'year'...所以让我们把所有内容都放入索引中。让我们从使用 df.set_index('day', append=True) 在索引中获取 'day' 开始
- 接下来，我们要
'month'进入索引。但现在它在列中。首先，我们将列重命名为 .rename_axis('month', 1)
- 然后我们用
.stack() 放在索引中
- 所以现在我有 3 列索引值。当我
reset_index 时，我会将 3 列推到数据框的前面。所以，我将 reset_index 并使用 .reset_index().iloc[:, :3] 获取前三列并将其传递给 pd.to_datetime
- 由于某些组合可能不存在，例如
'1964-02-31'，我们传递 errors='coerce'，它将 return NaT 用于此类日期。
- 最后，我们使用
loc 过滤结果并从索引中删除空值。
示例数据
df = pd.DataFrame({
'day': [1, 2, 3], 1: [8, 5, 3]
}, pd.Index([1999, 1999, 1999], name='year'))
df
day 1
year
1999 1 8
1999 2 5
1999 3 3
解决方案
s = df.set_index('day', append=True).rename_axis('month', 1).stack()
s.index = pd.to_datetime(s.reset_index().iloc[:, :3], errors='coerce')
s = s.loc[s.index.dropna()]
s
1999-01-01 8
1999-01-02 5
1999-01-03 3
dtype: int64
完整数据
df = pd.DataFrame(
np.arange(31 * 12).reshape(31, 12),
pd.Index([1964 for _ in range(31)], name='year'),
np.arange(12) + 1
).assign(day=np.arange(31) + 1).iloc[:, [-1] + np.arange(12).tolist()]
df
day 1 2 3 4 5 6 7 8 9 10 11 12
year
1964 1 0 1 2 3 4 5 6 7 8 9 10 11
1964 2 12 13 14 15 16 17 18 19 20 21 22 23
1964 3 24 25 26 27 28 29 30 31 32 33 34 35
1964 4 36 37 38 39 40 41 42 43 44 45 46 47
1964 5 48 49 50 51 52 53 54 55 56 57 58 59
1964 6 60 61 62 63 64 65 66 67 68 69 70 71
1964 7 72 73 74 75 76 77 78 79 80 81 82 83
1964 8 84 85 86 87 88 89 90 91 92 93 94 95
1964 9 96 97 98 99 100 101 102 103 104 105 106 107
1964 10 108 109 110 111 112 113 114 115 116 117 118 119
1964 11 120 121 122 123 124 125 126 127 128 129 130 131
1964 12 132 133 134 135 136 137 138 139 140 141 142 143
1964 13 144 145 146 147 148 149 150 151 152 153 154 155
1964 14 156 157 158 159 160 161 162 163 164 165 166 167
1964 15 168 169 170 171 172 173 174 175 176 177 178 179
1964 16 180 181 182 183 184 185 186 187 188 189 190 191
1964 17 192 193 194 195 196 197 198 199 200 201 202 203
1964 18 204 205 206 207 208 209 210 211 212 213 214 215
1964 19 216 217 218 219 220 221 222 223 224 225 226 227
1964 20 228 229 230 231 232 233 234 235 236 237 238 239
1964 21 240 241 242 243 244 245 246 247 248 249 250 251
1964 22 252 253 254 255 256 257 258 259 260 261 262 263
1964 23 264 265 266 267 268 269 270 271 272 273 274 275
1964 24 276 277 278 279 280 281 282 283 284 285 286 287
1964 25 288 289 290 291 292 293 294 295 296 297 298 299
1964 26 300 301 302 303 304 305 306 307 308 309 310 311
1964 27 312 313 314 315 316 317 318 319 320 321 322 323
1964 28 324 325 326 327 328 329 330 331 332 333 334 335
1964 29 336 337 338 339 340 341 342 343 344 345 346 347
1964 30 348 349 350 351 352 353 354 355 356 357 358 359
1964 31 360 361 362 363 364 365 366 367 368 369 370 371
s = df.set_index('day', append=True).rename_axis('month', 1).stack()
s.index = pd.to_datetime(s.reset_index().iloc[:, :3], errors='coerce')
s = s.loc[s.index.dropna()]
s
1964-01-01 0
1964-02-01 1
1964-03-01 2
1964-04-01 3
1964-05-01 4
1964-06-01 5
1964-07-01 6
1964-08-01 7
1964-09-01 8
1964-10-01 9
1964-11-01 10
1964-12-01 11
1964-01-02 12
1964-02-02 13
1964-03-02 14
...
1964-05-30 352
1964-06-30 353
1964-07-30 354
1964-08-30 355
1964-09-30 356
1964-10-30 357
1964-11-30 358
1964-12-30 359
1964-01-31 360
1964-03-31 362
1964-05-31 364
1964-07-31 366
1964-08-31 367
1964-10-31 369
1964-12-31 371
Length: 366, dtype: int64
备选
lol = [[y, m, d] for y, d in zip(df.index, df.day) for m in df.columns[1:]]
columns = ['year', 'month', 'day']
d1 = pd.DataFrame(lol, columns=columns)
dates = pd.to_datetime(d1, errors='coerce')
m = dates.notnull().values
pd.Series(df.drop('day', 1).values.ravel()[m], dates[m])
我有一个如下所示的数据框。索引是年（1964 到 2016，非唯一，每年重复 31 次），第 1 列是天（1 到 31），第 2 到 13 列是月（1 到 12）
问题是：如何将其转换为日期为 pd.DatetimeIndex 的 Pandas 系列（或单列 df）？我试过使用 groupby、melt、pivot 和 transpose，但我无法找出正确的语法，而且文档也不清楚。非常感谢你的帮助！
我们想利用 pd.to_datetime 功能，该功能采用具有相关命名列的数据框。在这种情况下 'year'、'month' 和 'day'.
所以下面的解决方案旨在创建一个包含这三列的数据框并将其传递给 pd.to_datetime。
- 索引中已经有
'year'...所以让我们把所有内容都放入索引中。让我们从使用df.set_index('day', append=True) 在索引中获取 - 接下来，我们要
'month'进入索引。但现在它在列中。首先，我们将列重命名为.rename_axis('month', 1) - 然后我们用
.stack()放在索引中
- 所以现在我有 3 列索引值。当我
reset_index时，我会将 3 列推到数据框的前面。所以，我将 reset_index 并使用.reset_index().iloc[:, :3]获取前三列并将其传递给pd.to_datetime - 由于某些组合可能不存在，例如
'1964-02-31'，我们传递errors='coerce'，它将 returnNaT用于此类日期。 - 最后，我们使用
loc过滤结果并从索引中删除空值。
'day' 开始
示例数据
df = pd.DataFrame({
'day': [1, 2, 3], 1: [8, 5, 3]
}, pd.Index([1999, 1999, 1999], name='year'))
df
day 1
year
1999 1 8
1999 2 5
1999 3 3
解决方案
s = df.set_index('day', append=True).rename_axis('month', 1).stack()
s.index = pd.to_datetime(s.reset_index().iloc[:, :3], errors='coerce')
s = s.loc[s.index.dropna()]
s
1999-01-01 8
1999-01-02 5
1999-01-03 3
dtype: int64
完整数据
df = pd.DataFrame(
np.arange(31 * 12).reshape(31, 12),
pd.Index([1964 for _ in range(31)], name='year'),
np.arange(12) + 1
).assign(day=np.arange(31) + 1).iloc[:, [-1] + np.arange(12).tolist()]
df
day 1 2 3 4 5 6 7 8 9 10 11 12
year
1964 1 0 1 2 3 4 5 6 7 8 9 10 11
1964 2 12 13 14 15 16 17 18 19 20 21 22 23
1964 3 24 25 26 27 28 29 30 31 32 33 34 35
1964 4 36 37 38 39 40 41 42 43 44 45 46 47
1964 5 48 49 50 51 52 53 54 55 56 57 58 59
1964 6 60 61 62 63 64 65 66 67 68 69 70 71
1964 7 72 73 74 75 76 77 78 79 80 81 82 83
1964 8 84 85 86 87 88 89 90 91 92 93 94 95
1964 9 96 97 98 99 100 101 102 103 104 105 106 107
1964 10 108 109 110 111 112 113 114 115 116 117 118 119
1964 11 120 121 122 123 124 125 126 127 128 129 130 131
1964 12 132 133 134 135 136 137 138 139 140 141 142 143
1964 13 144 145 146 147 148 149 150 151 152 153 154 155
1964 14 156 157 158 159 160 161 162 163 164 165 166 167
1964 15 168 169 170 171 172 173 174 175 176 177 178 179
1964 16 180 181 182 183 184 185 186 187 188 189 190 191
1964 17 192 193 194 195 196 197 198 199 200 201 202 203
1964 18 204 205 206 207 208 209 210 211 212 213 214 215
1964 19 216 217 218 219 220 221 222 223 224 225 226 227
1964 20 228 229 230 231 232 233 234 235 236 237 238 239
1964 21 240 241 242 243 244 245 246 247 248 249 250 251
1964 22 252 253 254 255 256 257 258 259 260 261 262 263
1964 23 264 265 266 267 268 269 270 271 272 273 274 275
1964 24 276 277 278 279 280 281 282 283 284 285 286 287
1964 25 288 289 290 291 292 293 294 295 296 297 298 299
1964 26 300 301 302 303 304 305 306 307 308 309 310 311
1964 27 312 313 314 315 316 317 318 319 320 321 322 323
1964 28 324 325 326 327 328 329 330 331 332 333 334 335
1964 29 336 337 338 339 340 341 342 343 344 345 346 347
1964 30 348 349 350 351 352 353 354 355 356 357 358 359
1964 31 360 361 362 363 364 365 366 367 368 369 370 371
s = df.set_index('day', append=True).rename_axis('month', 1).stack()
s.index = pd.to_datetime(s.reset_index().iloc[:, :3], errors='coerce')
s = s.loc[s.index.dropna()]
s
1964-01-01 0
1964-02-01 1
1964-03-01 2
1964-04-01 3
1964-05-01 4
1964-06-01 5
1964-07-01 6
1964-08-01 7
1964-09-01 8
1964-10-01 9
1964-11-01 10
1964-12-01 11
1964-01-02 12
1964-02-02 13
1964-03-02 14
...
1964-05-30 352
1964-06-30 353
1964-07-30 354
1964-08-30 355
1964-09-30 356
1964-10-30 357
1964-11-30 358
1964-12-30 359
1964-01-31 360
1964-03-31 362
1964-05-31 364
1964-07-31 366
1964-08-31 367
1964-10-31 369
1964-12-31 371
Length: 366, dtype: int64
备选
lol = [[y, m, d] for y, d in zip(df.index, df.day) for m in df.columns[1:]]
columns = ['year', 'month', 'day']
d1 = pd.DataFrame(lol, columns=columns)
dates = pd.to_datetime(d1, errors='coerce')
m = dates.notnull().values
pd.Series(df.drop('day', 1).values.ravel()[m], dates[m])