多柱或块熔化然后枢转？答案

【问题标题】：Multi-column or block melt and then pivot?多柱或块熔化然后枢转？
【发布时间】：2019-02-16 05:21:54
【问题描述】：

我正在努力解决数据重塑问题。我有大约这样的数据（但最多 C10 组，我自己添加了一个多索引。

df = pd.DataFrame({('C0',0) : {0:'ID1', 1:'ID2', 2:'ID3'},
               ('C0',1) : {0:'ID1', 1:'ID2', 2:'ID3'},
               ('C1',2) : {0:'A'  , 1:'A'  , 2:'A'},
               ('C1',3) : {0:'B'  , 1:'B'  , 2:'B'},
               ('C1',4) : {0:'C'  , 1:'C'  , 2:'C'},
               ('C2',5) : {0:'A'  , 1:'A'  , 2:'A'},
               ('C2',6) : {0:'B'  , 1:'B'  , 2:'B'},
               ('C2',7) : {0:'C'  , 1:'C'  , 2:'C'},
               ('C3',8) : {0:'A'  , 1:'A'  , 2:'A'},
               ('C3',9) : {0:'B'  , 1:'B'  , 2:'B'},
               ('C3',10) : {0:'C'  , 1:'C'  , 2:'C'}
              })

    C0      C1          C2          C3
    0   1   2   3   4   5   6   7   8   9   10
0   ID1 ID1 A   B   C   A   B   C   A   B   C
1   ID2 ID2 A   B   C   A   B   C   A   B   C
2   ID3 ID3 A   B   C   A   B   C   A   B   C

ID 列实际上并不是相同的值，但此数据的唯一键跨多个列。同样，As、Bs、Cs 实际上并不是相同的值，只是不同类型的值。期望的最终结果是这样的

    0   1   2   3   4   5
0   ID1 ID1 C1  A   B   C
1   ID1 ID1 C1  A   B   C
2   ID1 ID1 C1  A   B   C
3   ID2 ID2 C2  A   B   C
4   ID2 ID2 C2  A   B   C
5   ID2 ID2 C2  A   B   C
6   ID3 ID3 C3  A   B   C
7   ID3 ID3 C3  A   B   C
8   ID3 ID3 C3  A   B   C

在解决这个问题时，我已经到了一个中间点，我已经融化了第一位，将两个列索引都包含在一行上，但我无法将其重新转换为所需的格式.最终，我还需要列举 C 组中的行，但我相信我可以做到。第一次在这里发帖，感激不尽，但我已经尽我所能检查了这里和其他地方。

【问题讨论】：

@Onyambu 太棒了，谢谢。我的玩具示例并没有准确地转换为真实数据 - 但您的解决方案绝对展示了这些概念，我很快就能将其调整为真实数据集。

标签： python-3.x pandas reshape melt

【解决方案1】：

你可以先融化然后解开：

s = df.melt(id_vars = list(df.columns[:2]), value_vars = list(df.columns[2:]))
d = s.assign(nm = s.groupby(list(s.columns[:3])).cumcount()).drop('variable_1', 1)
d.set_index(list(d.drop('value', 1).columns)).unstack().reset_index()

    C0      variable_0 value      
nm    0    1                0  1  2
0   ID1  ID1         C1     A  B  C
1   ID1  ID1         C2     A  B  C
2   ID1  ID1         C3     A  B  C
3   ID2  ID2         C1     A  B  C
4   ID2  ID2         C2     A  B  C
5   ID2  ID2         C3     A  B  C
6   ID3  ID3         C1     A  B  C
7   ID3  ID3         C2     A  B  C
8   ID3  ID3         C3     A  B  C

你可以从这里删除你想要的列级别

【讨论】：