在 pandas 中使用列名作为新属性答案

【问题标题】：Using column name as a new attribute in pandas在 pandas 中使用列名作为新属性
【发布时间】：2018-01-23 18:37:18
【问题描述】：

我有以下数据结构

Date         Agric  Food 
01/01/1990    1.3   0.9  
01/02/1990    1.2   0.9

我想把它转换成格式

Date        Sector  Beta
01/01/1990  Agric   1.3
01/02/1990  Agric   1.2
01/01/1990  Food    0.9
01/02/1990  Food    0.9

虽然我确信我可以以复杂的方式做到这一点，但有没有办法在几行代码中做到这一点？

【问题讨论】：

标签： python pandas reshape

【解决方案1】：

使用pd.DataFrame.melt

df.melt('Date', var_name='Sector', value_name='Beta')

         Date Sector  Beta
0  01/01/1990  Agric   1.3
1  01/02/1990  Agric   1.2
2  01/01/1990   Food   0.9
3  01/02/1990   Food   0.9

【讨论】：

快速提问：您使用了 df.melt，但您添加的链接是 pd.melt()，它们是否等效？
它们是等价的。在pandas 0.20 然后将pd.melt 变成pd.DataFrame 方法。我混淆了链接。我修复了链接，但它们是等效的。

【解决方案2】：

使用set_index 和stack：

df.set_index('Date').rename_axis('Sector',axis=1).stack()\
  .reset_index(name='Beta')

输出：

         Date Sector  Beta
0  01/01/1990  Agric   1.3
1  01/01/1990   Food   0.9
2  01/02/1990  Agric   1.2
3  01/02/1990   Food   0.9

【讨论】：

好stack~:)

【解决方案3】：

或者你可以使用lreshape

df=pd.lreshape(df2, {'Date': ["Date","Date"], 'Beta': ['Agric', 'Food']})
df['Sector']=sorted(df2.columns.tolist()[1:3]*2)

   Out[654]: 
         Date  Beta Sector
0  01/01/1990   1.3  Agric
1  01/02/1990   1.2  Agric
2  01/01/1990   0.9   Food
3  01/02/1990   0.9   Food

如果你有 48 列

df=pd.lreshape(df2, {'Date':['Date']*2, 'Beta': df2.columns.tolist()[1:3]})
df['Sector']=sorted(df2.columns.tolist()[1:3]*2)

同样对于列 Sector ，由

创建它更安全

import itertools
list(itertools.chain.from_iterable(itertools.repeat(x, 2) for x in df2.columns.tolist()[1:3]))

编辑原因 lreshap 未记录（根据@Ted Petrou 如果可能，最好使用可用的 DataFrame 方法，如果没有可用的方法，请使用记录的函数。pandas 一直在寻求改进其 API 并调用像 lreshape 这样无证的、旧的和实验性的函数是没有根据的。此外，这个问题是一个非常简单的融化或堆栈用例。这是一个不好的先例，让熊猫新手来到 Stack Overflow 并使用 lreshape 找到赞成的答案.）

另外，如果你想了解更多，可以到github查看

下面是使用pd.wide_to_long的方法

dict1 = {'Agric':'A_Agric','Food':'A_Food'}
df2 = df.rename(columns=dict1)
pd.wide_to_long(df2.reset_index(),['A'],i='Date',j='Sector',sep='_',suffix='.').reset_index().drop('index',axis=1).rename(columns={'A':'Beta '})

Out[2149]: 
         Date Sector  Beta 
0  01/01/1990  Agric    1.3
1  01/02/1990  Agric    1.2
2  01/01/1990   Food    0.9
3  01/02/1990   Food    0.9

【讨论】：

我唯一关心的是我在真实数据中有 48 列。 :)
那么，你可以用df.columns.tolist()，一秒钟，我会编辑它
@Lost1 已编辑~
如果可能，最好使用可用的 DataFrame 方法，如果没有可用的方法，则使用文档化的函数。 pandas 一直在寻求改进其 API 并调用未记录的、旧的和实验性的函数，如 lreshape，因为任何事情都是没有根据的。此外，这个问题对于熔体或堆叠来说是一个非常简单的用例。这是一个不好的先例，让那些刚接触 pandas 的人来到 Stack Overflow 并通过lreshape 找到被赞成的答案。不幸的是，堆栈溢出以同样的方式鼓励了糟糕的.ix 索引运算符的传播和使用。
@TedPetrou 有点同意顺便说一句，如果你能在 github 上发布你提到的关于lreshape 的问题将不胜感激