熊猫数据帧中的成对融解

Question

我想配对创建一个新的数据框。我尝试使用MELT，但实际上没有用。如果您发现列是成对的（即code：type，code1：type1）我尝试创建代码列列表和类型列列表，然后合并。

您如何建议这个问题？如果能给出一些解释，我将不胜感激。

原始数据帧：

id   Name  code code1 code2  type type1 type2
 0    ABC    1      4     8   S     E      T
 1    XYZ    2            5   R            U

期望的数据帧

id name  Code_All Type_All
0   ABC      1      S
0   ABC      4      E
0   ABC      8      T
1   XYZ      2      R
1   XYZ               
1   XYZ      5      U

Answer 1

这里的问题是，pd.wide_to_long没有明确的后缀（每个组的第一个条目都没有后缀），因此先修改列，然后再应用pd.wide_to_long：

pd.wide_to_long

---

m  = df.set_index(['id','Name'])
cols = m.columns.str.replace('\d+','').to_series()
m.columns=cols.add(cols.groupby(cols).cumcount().astype(str))

out = (pd.wide_to_long(m.reset_index(),['code','type'],['id','Name'],'idx')
                                              .reset_index(['id','Name']))

重现数据帧的代码：

     id Name  code type
idx                    
0     0  ABC   1.0    S
1     0  ABC   4.0    E
2     0  ABC   8.0    T
0     1  XYZ   2.0    R
1     1  XYZ   NaN  NaN
2     1  XYZ   5.0    U

Answer 2

经过几个令人沮丧的小时后，我能够使用一个肮脏的把戏完成此任务。

我将数据集一分为二。

d = {'id': {0: 0, 1: 1},
  'Name': {0: 'ABC', 1: 'XYZ'},
  'code': {0: 1, 1: 2},
  'code1': {0: 4.0, 1: np.nan},
  'code2': {0: 8, 1: 5},
  'type': {0: 'S', 1: 'R'},
  'type1': {0: 'E', 1: np.nan},
  'type2': {0: 'T', 1: 'U'}}
df = pd.DataFrame(d)

id, name, code1, code2, code3

我调换了两个数据帧

[第一个数据帧的示例。

id, name, type1, type2, type3

id, name, code1

id, name, code2

使用pd.concat（[df1.df2]，axix = 1）我可以将其连接并删除NULL值。