将列标题转换为观察熊猫

Question

我不确定我的问题是否有特定的名称（我记得听过一个讲座，老师说一部分知识是知道事物的名称）。无论如何，我正在使用一些遗留系统，我的数据输出如下：df = pd.DataFrame({'Shop' : [1,2,3,4,5,6,7,8,9,10],'Week 1' : [15,25,11,22,0,-1,15,11,76,62],'Week 2' : [5,44,55,21,12,51,-10,25,81,46]})print(df) Shop   Week 1  Week 20   1   15      51   2   25      442   3   11      553   4   22      214   5   0       125   6   -1      516   7   15     -107   8   11      258   9   76      819   10  62      46在这种情况下，周数应该是一个观察值，而这个数字是一个应该分配给它的值。我正在尝试做的是以下内容。转置DF，但将索引保留为Shop。将每个实例变成一个观察值，因此仅以前 2 个商店为例：    Shop    Week Hour0   1       1    151   1       2    52   2       1    253   2       2    44实现这一目标的最pythonic方法是什么？在相对中等大小的 df（500 行 52 周）上

Answer 1

您可以重命名列，pd.melt然后sort_values：

df.columns = [i if not i.startswith('Week') else int(i[-1]) for i in df]

res = pd.melt(df, id_vars='Shop', var_name='Week', value_name='Hour')\

        .sort_values('Shop').reset_index(drop=True)

print(res)

    Shop Week  Hour

0      1    1    15

1      1    2     5

2      2    1    25

3      2    2    44

...

16     9    2    81

17     9    1    76

18    10    1    62

19    10    2    46

Answer 2

使用 wide_to_long

pd.wide_to_long(df,'Week ',i='Shop',j='week')

Out[770]: 

           Week 

Shop week       

1    1        15

2    1        25

3    1        11

4    1        22

5    1         0

6    1        -1

7    1        15

8    1        11

9    1        76

10   1        62

1    2         5

2    2        44

3    2        55

4    2        21

5    2        12

6    2        51

7    2       -10

8    2        25

9    2        81

10   2        46

#pd.wide_to_long(df,'Week ',i='Shop',j='week').sort_index(level=0).reset_index().rename(columns={'Week ':'Hour'})

Answer 3

我会使用这样的东西，尽管所有的重命名有点混乱：

# Rename columns with dict comprehension so it can extend to more than week 1 and week 2

df2 = (df.rename(columns={i: int(i.split()[-1]) for i in df.columns[1:]})

       .set_index('Shop')

       .stack()

       .reset_index()

       .rename(columns={'level_1':'Week', 0:'Hour'}))

>>> df2

    Shop  Week  Hour

0      1     1    15

1      1     2     5

2      2     1    25

3      2     2    44

4      3     1    11

5      3     2    55

6      4     1    22

7      4     2    21

8      5     1     0

9      5     2    12

10     6     1    -1

11     6     2    51

12     7     1    15

13     7     2   -10

14     8     1    11

15     8     2    25

16     9     1    76

17     9     2    81

18    10     1    62

19    10     2    46