使用 Pandas 将列转换为行

Question

所以我的数据集有一些 n 日期的位置信息。问题是每个日期实际上是不同的列标题。例如 CSV 看起来像

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

我想要的是让它看起来像

location    name    Date        Value
A           "test"  Jan-2010    12
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

我的问题是我不知道列中有多少日期（尽管我知道它们总是从名字开始）

原文由 Wizuriel 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

更新

从 v0.20 开始， melt 是一阶函数，您现在可以使用

df.melt(id_vars=["location", "name"],
        var_name="Date",
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

---

旧（ER）版本：<0.20

您可以使用 pd.melt 完成大部分工作，然后进行排序：

 >>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"],
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

（可能想加入 .reset_index(drop=True) ，只是为了保持输出干净。）

注意： pd.DataFrame.sort 已被弃用，取而代之的是 pd.DataFrame.sort_values 。

原文由 DSM 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

Use set_index with stack for MultiIndex Series , then for DataFrame add reset_index with rename :

 df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

原文由 jezrael 发布，翻译遵循 CC BY-SA 4.0 许可协议