重塑数据框：列到行

Question

我有一个数据框 df_given [n, m] 并且我想将列值更改为每 3 行的行值。import pandas as pddf_test1 = pd.DataFrame({'A1': np.arange(1,4), 'B1': np.arange(10, 13), 'C1': np.arange(20, 23)})df_test2 = pd.DataFrame({'A1': np.arange(11,14), 'B1': np.arange(100, 103), 'C1': np.arange(200, 203)})  df_given = pd.concat((df_test1, df_test2), axis =0)df_desired = pd.DataFrame({'A': [1,10,20,11, 100, 200], 'B':[2,11, 21,12, 101, 201], 'C':[3,12,22,13, 102, 202]})df_desired.head(10)df_given.head(10)

Answer 1

使用pd.concat具有GroupBy：

df = df.reset_index(drop=True)

res = pd.concat((pd.DataFrame(df_slice.T.values, columns=df.columns.str[0]) \

                for _, df_slice in df.groupby(df.index // 3)), ignore_index=True)

print(res)

     A    B    C

0    1    2    3

1   10   11   12

2   20   21   22

3   11   12   13

4  100  101  102

5  200  201  202

解释

• df.reset_index(drop=True)将数据帧索引重置为常规pd.RangeIndex，即0, 1, 2, ..., n。

• df.groupby(df.index // 3)将数据帧分组为 3 行的块。我们GroupBy在生成器理解中迭代这个对象。

• df_slice.T.values转置构成切片的 3 行并转换为 NumPy 数组。我们将pd.DataFrame其提供给以从 NumPy 数组构造数据帧。

• pd.concat 获取可迭代的数据帧并将它们组合起来以构建单个数据帧。

Answer 2

使用groupby, stack& 的另一种选择unstack

df1 = df_given.assign(g=df_given.groupby(level=0).cumcount()).set_index('g',append=True)

df1 = df1.stack().unstack(0).reset_index(drop=True)

df1.columns = df_given.columns

print (df1)

   A1   B1  C1

0   1   2   3

1   10  11  12

2   20  21  22

3   11  12  13

4   100 101 102

5   200 201 202