以编程方式为 pd.melt 选择列答案

【问题标题】：programmatically select columns for pd.melt以编程方式为 pd.melt 选择列
【发布时间】：2019-05-26 19:24:33
【问题描述】：

致力于自动化月度报告。试图在 pandas melt 函数中找到手动输入列名的替代方法 id_vars 和 value_vars。是否可以以编程方式执行此操作？

考虑一个包含 a、b、c、'12/01/2018'、'12/02/2018'、'12/03/2018' 等列的 df，其中 a、b、c 始终是 @ 987654323@ 和给定月份的每日日期（在这种情况下为 12 月）是 value_vars 以取消透视。而不是写出来

pd.melt(id_vars=['a','b','c'],value_vars=['12/01/2018', 
'12/02/2018','12/03/2018', etc.])

是否可以以编程方式将 value_vars 分配给 melt 函数，以便每个月都可以使用相同的代码？（1 月将有 31 天的时间进行反透视，但 2 月将有 28 天）。

我不是 pythonista，感谢您花时间帮助我。

【问题讨论】：

什么是“a,b,c”，它们代表什么？你从哪里得到这些值？我假设他们并不总是a，b，c？这个问题需要更多解释才能清楚。对于 value_vars，您是否只是在寻找格式为 MM/DD//YYYY（一月等 31 个字段）的当前月份的日期列表？
一些示例数据在这里会有很长的路要走。

【解决方案1】：

你可以使用：

df.melt(['a','b','c'])

df.melt 状态的文档字符串：

value_vars ：元组、列表或 ndarray，可选要取消透视的列。如果未指定，则使用所有列未设置为id_vars。

因此，您已将 id_vars 设置为他的第一个参数，并且所有其他列将用作每个文档的 value_vars。

【讨论】：

【解决方案2】：

如果是 IIUC，您只需将列分开即可。套装在这里很有帮助而且速度很快。当然，假设列名是唯一的（应该如此）：

id_vars = {'a', 'b', 'c'}
value_vars = set(df.columns) - id_vars
pd.melt(df, id_vars=id_vars, value_vars=value_vars)

【讨论】：

【解决方案3】：

使用 -

id_vars = ['a', 'b', 'c']
value_vars = df.columns.difference(id_vars)
pd.melt(df, id_vars=id_vars, value_vars=value_vars)

【讨论】：