将多列数据框更改为单列而不会丢失python中的信息答案

【问题标题】：Changing a many column dataframe to a single column without losing information in python将多列数据框更改为单列而不会丢失python中的信息
【发布时间】：2020-11-20 11:16:36
【问题描述】：

我想在比较多个数据帧时查看单元格值的变化。这些数据框是由 JSON 数据形成的，这些数据形成了许多列表，我不能轻易更改这个数据源。假设有 10 个数据帧，10 行和 10 列（相同标记）。我想通过将每个数据框变成 100 行和 1 列来比较信息。

对于 3x3 示例：

import pandas as pd
data = [{'a':1,'b':2,'c':3},{'a':10,'b':20,'c':30},{'a':100,'b':200,'c':300}]
df = pd.DataFrame(data)
df.index = ['x','y','z']

给出这张表

     a    b    c
x    1    2    3
y   10   20   30
z  100  200  300

但我想要：

    col
xa  1
xb  2
xc  3
ya  10
yb  20
yc  30
za  100
zb  200
zc  300

这样我就可以添加许多列并比较值的变化。

有人可以建议我如何使用熊猫来做到这一点吗？如果需要第三个列也可以，即：

1  2  3
x  a  1
x  b  2
x  c  3
y  a  10
y  b  20
y  c  30
z  a  100
z  b  200
z  c  300

【问题讨论】：

标签： python pandas dimensions

【解决方案1】：

将DataFrame.stack 与Series.to_frame 一起使用，然后将MultiIndex 与map 扁平化为index：

df_us = df.stack().to_frame('col')
df_us.index = df_us.index.map(lambda x: f'{x[0]}{x[1]}')
print (df_us)
    col
xa    1
xb    2
xc    3
ya   10
yb   20
yc   30
za  100
zb  200
zc  300

对于 3 列：

df_us = df.stack().reset_index()
df_us.columns = [0,1,2]
print (df_us)
   0  1    2
0  x  a    1
1  x  b    2
2  x  c    3
3  y  a   10
4  y  b   20
5  y  c   30
6  z  a  100
7  z  b  200
8  z  c  300

【讨论】：

是的，.stack 命令正是我想要的，谢谢。

【解决方案2】：

试试这样的

import pandas as pd
data = [{'a':1,'b':2,'c':3},{'a':10,'b':20,'c':30},{'a':100,'b':200,'c':300}]
df = pd.DataFrame(data)
df.index = ['x','y','z']

df_us = df.unstack().reset_index()
df_us.columns = [i for i in range(df_us.shape[1])]

df_us = df_us.sort_values(by=2)

【讨论】：