我有一个看起来像这样的 Pandas DataFrame:
df = pd.DataFrame({'col1': {0: 'a', 1: 'b', 2: 'c'},
'col2': {0: 1, 1: 3, 2: 5},
'col3': {0: 2, 1: 4, 2: 6},
'col4': {0: 3, 1: 6, 2: 2},
'col5': {0: 7, 1: 2, 2: 3},
'col6': {0: 2, 1: 9, 2: 5},
})
df.columns = [list('AAAAAA'), list('BBCCDD'), list('EFGHIJ')]
A
B C D
E F G H I J
0 a 1 2 3 7 2
1 b 3 4 6 2 9
2 c 5 6 2 3 5
我基本上只想 melt
数据框,以便每个列级别成为一个新列。换句话说,我可以很简单地用 pd.melt()
实现我想要的:
pd.melt(df, value_vars=[('A', 'B', 'E'),
('A', 'B', 'F'),
('A', 'C', 'G'),
('A', 'C', 'H'),
('A', 'D', 'I'),
('A', 'D', 'J')])
但是,在我的实际用例中,有很多初始列(多于 6 个),如果我可以使它具有通用性,那么我就不必在 value_vars
中精确指定元组了。有没有办法以通用的方式做到这一点?我基本上是在寻找一种方法来告诉 pd.melt
我只想将 value_vars
设置为元组列表,其中每个元组中的第一个元素是第一列级别,第二个元素是第二列级别,第三个元素是第三列级别。
最佳答案
如果您不指定 value_vars
,则默认使用所有列(未指定为 id_vars
):
In [10]: pd.melt(df)
Out[10]:
variable_0 variable_1 variable_2 value
0 A B E a
1 A B E b
2 A B E c
3 A B F 1
4 A B F 3
...
但是,如果出于某种原因您确实需要生成列元组列表,您可以使用 df.columns.tolist()
:
In [57]: df.columns.tolist()
Out[57]:
[('A', 'B', 'E'),
('A', 'B', 'F'),
('A', 'C', 'G'),
('A', 'C', 'H'),
('A', 'D', 'I'),
('A', 'D', 'J')]
In [56]: pd.melt(df, value_vars=df.columns.tolist())
Out[56]:
variable_0 variable_1 variable_2 value
0 A B E a
1 A B E b
2 A B E c
3 A B F 1
4 A B F 3
...
关于python - Pandas 在不手动指定级别的情况下在多索引列上融化 (Python 3.5.1),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36431413/