Pandas DataFrame стек несколько значений столбцов в один столбец

предполагая следующий фрейм данных:

  key.0 key.1 key.2  topic
1   abc   def   ghi      8
2   xab   xcd   xef      9

Как я могу объединить значения всех ключевых.* столбцы в один столбец "ключ", который связан со значением темы, соответствующим ключу.* колонки? Это результат, который я хочу:

   topic  key
1      8  abc
2      8  def
3      8  ghi
4      9  xab
5      9  xcd
6      9  xef

обратите внимание, что номер ключа.N столбцов является переменной на некотором внешнем N.

9
dataframe melt pandas python

3 ответов

вы можете расплавить свой фрейм данных:

>>> keys = [c for c in df if c.startswith('key.')]
>>> pd.melt(df, id_vars='topic', value_vars=keys, value_name='key')

   topic variable  key
0      8    key.0  abc
1      9    key.0  xab
2      8    key.1  def
3      9    key.1  xcd
4      8    key.2  ghi
5      9    key.2  xef

Он также дает вам источник ключа.

С v0.20, melt является функцией первого класса pd.DataFrame класс:

>>> df.melt('topic', value_name='key').drop('variable', 1)

   topic  key
0      8  abc
1      9  xab
2      8  def
3      9  xcd
4      8  ghi
5      9  xef
19

попробовав различные способы, я нахожу следующее более или менее интуитивным, при условии stack магия понята:

# keep topic as index, stack other columns 'against' it
stacked = df.set_index('topic').stack()
# set the name of the new series created
df = stacked.reset_index(name='key')
# drop the 'source' level (key.*)
df.drop('level_1', axis=1, inplace=True)

результирующий фрейм данных по мере необходимости:

   topic  key
0      8  abc
1      8  def
2      8  ghi
3      9  xab
4      9  xcd
5      9  xef

вы можете распечатать промежуточные результаты, чтобы понять процесс в полном объеме. Если вы не возражаете иметь больше столбцов, чем необходимо, ключевыми шагами являются set_index('topic'), stack() и reset_index(name='key').

2

хорошо, потому что один из текущих ответов-Марк, как дублированный этого вопроса, я отвечу здесь.

С Помощью wide_to_long

pd.wide_to_long(df, ['key'], 'topic', 'age').reset_index().drop('age',1)
Out[123]: 
   topic  key
0      8  abc
1      9  xab
2      8  def
3      9  xcd
4      8  ghi
5      9  xef
1