如果列名称匹配，则将数据框列值更改为行

Question

我将 json 对象规范化为数据帧，json_normalize如下所示：ID Name     Email_id      ID Name Email_id     ID Name  Email_id1   A      [e-mail]     2  B    [e-mail]  3  C    [e-mail]我想将列值转换为这样的行：-ID   Name   Email_id1     A      [e-mail]2     B      [e-mail]3     C      [e-mail]但我无法做到这一点。我尝试过pd.melt()，但它给了我Data must be 1-dimensional例外。

Answer 1

您只能选择一列，但由于重复的列名称被选择，因此选择了具有相同标签的所有列，然后转换为1dnumpy 数组并传递给DataFrame构造函数：

print (df['ID'])

   ID  ID  ID

0   1   2   3

df = pd.DataFrame({'ID': df['ID'].to_numpy().ravel(),

                   'Name': df['Name'].to_numpy().ravel(),

                   'Email_id': df['Email_id'].to_numpy().ravel()})

print (df)

   ID Name     Email_id

0   1    A  [e-mail]

1   2    B  [e-mail]

2   3    C  [e-mail]

另一个想法是MultiIndex在列中创建GroupBy.cumcount并通过以下方式重塑DataFrame.stack：

s = df.columns.to_series()

df.columns = [s, s.groupby(s).cumcount()]

print (df)

  ID Name     Email_id ID Name     Email_id ID Name     Email_id

   0    0            0  1    1            1  2    2            2

0  1    A  [e-mail]  2    B  [e-mail]  3    C  [e-mail]

df = df.stack().reset_index(drop=True)

print (df)

      Email_id  ID Name

0  [e-mail]   1    A

1  [e-mail]   2    B

2  [e-mail]   3    C

Answer 2

如果您确实知道这样的数据结构是一致的，您可以按索引对数据进行切片，然后连接它们：

pd.concat([df.iloc[:, i:i+3] for i in range(0, df.shape[1], 3)])

要确保获取列 ID：

import numpy as np

# Get the target indexes

idx = np.arange(df.shape[1])[df.columns=='ID']

idx = np.append(idx, df.shape[1])

# Slice and concatenate data

pd.concat([df.iloc[:, idx[i]:idx[i+1]] for i in range(len(idx)-1)])