Python pandas将excel文件中的多个标题转换为列

Question

我一直在寻找一种使用 pandas 库将具有多个标题的 Excel 文件转换为列标题的方法。

通过读取文件并使用 ExcelFile 解析它，我已成功将数据导入数据框。我还能够使用 header=[0, 4] 来识别标题。我遇到问题的地方是重新索引和/或使用 melt 函数将标题转换为列。

当我使用 melt 功能时，我能够成功地将列转换为行。但是，我希望标题是单列，而不是与其余数据堆叠在一起。

目前，数据的结构是这样的：

Excel file displaying data with multiple headers

转换后的数据应该是这样的：

Data that is unpivot with headers converted into columns

我一直在阅读有关索引的内容，但不确定我是否理解它在此处的应用方式。

我是 python 新手，非常新，非常感谢任何支持或指导。我一直在阅读以下备忘单，但没有找到正确的转换方法：

https://www.datacamp.com/community/data-science-cheatsheets

这是一个示例代码：

import pandas as pd

xl = pd.ExcelFile('help.xlsx')
df1 = xl.parse('Sheet1')

df2 = pd.melt(df1,
          id_vars=['PW'],
          value_vars=['Fruit','Conventional'])

另外，在运行代码后添加结果： df1 the data with multiple headers

以下是数据的错误（标题没有转换成列，标题与其余数据堆叠在一起）：

after using pandas melt the headers are stacked with the data and not converted into their own column

这是最终产品的外观：

Headers converted into columns

Answer 1

试试这个：

# In[1]:
df = pd.read_excel('help.xlsx', header=[0,1,2,3]) #Read file, use 4 rows as header
df.columns = df.columns.map(','.join) #Concatenate by ',' the fields name
df = df.rename_axis('PW').reset_index() #reset and rename index
df2 = pd.melt(df, id_vars=list(df.columns)[0], value_vars=list(df.columns)[1:], value_name='Volume') #Unpivot table, g roping by 'variable' and 'volume'
df2[['Category', 'Field_Type', 'Growing_Method', 'Product']] = df2['variable'].str.split(',',expand=True) #Split using ',' as delimeter
df2.__delitem__('variable') #Delete extra field 'variable'
#Reorder Columns
cols = df2.columns.tolist() 
df2 = df2[[cols[0]] + cols[2:] + [cols[1]]]
df2

Answer 2

完成此类重塑的一种方法是使用pandas 的stack 操作：

import pandas as pd

# Read excel file. Use first column as row index, and use first four rows as
# column index levels
df = pd.read_excel('test.xlsx', index_col=0, header=[0, 1, 2, 3])

# Assign names to row index and column index levels
df.index.name = 'PW'
df.columns.names = ['Category', 'Field_Type', 'Growing_Method', 'Product']

# Convert all column index levels into row index levels
s = df.stack([0, 1, 2, 3])

# Assign name to the single data values column
s.name = 'Volume'