Pandas：对于多行中的每个行值，将其转换为新行

Question

我有一个dataframe，每行都有一堆图片。我要做的是将其转换为机器学习的格式，因此每张图片都会预测出属性列表。

对于所有图片，将它们变成一行，其余部分将是其原来的行。直观地展示它会更容易：

import pandas as pd

df1 = pd.DataFrame({'Name':['Mark', 'Laura', 'Adam'],
                   'City':['Lisbon', 'Montreal', 'Lisbon'],
                   'Picture Col 1': ['Pic 47', 'Pic 36', 'Pic 15'],
                   'Picture Col 2': ['Pic 54', 'Pic 84', 'Pic 48']})

    Name      City Picture Col 1 Picture Col 2
0   Mark    Lisbon        Pic 47        Pic 54
1  Laura  Montreal        Pic 36        Pic 84
2   Adam    Lisbon        Pic 15        Pic 48

预期结果：

df2 = pd.DataFrame({'Picture':['Pic 47', 'Pic 36', 'Pic 15', 'Pic 54', 'Pic 84', 'Pic 48'],
                    'Name': ['Mark', 'Laura', 'Adam', 'Mark', 'Laura', 'Adam'],
                    'City':['Lisbon', 'Montreal', 'Lisbon', 'Lisbon', 'Montreal', 'Lisbon']})

  Picture   Name      City
0  Pic 47   Mark    Lisbon
1  Pic 36  Laura  Montreal
2  Pic 15   Adam    Lisbon
3  Pic 54   Mark    Lisbon
4  Pic 84  Laura  Montreal
5  Pic 48   Adam    Lisbon

每个图片都应该是多个属性的预测指标。这是melt，pivot，unstack吗？我什至不知道。

Answer 1

看起来您已经回答了自己的问题。 melt可以做您想要的。熔化数据框后，只需删除“变量”列（此列列出了图片是来自Picture Col 1还是Picture Col 2）。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.melt.html

Answer 2

new_df = pd.melt(df,id_vars=['Name','City'],value_name='Picture').drop('variable',axis=1)
print(new_df[['Picture','Name','City']])
  Picture   Name      City
0  Pic 47   Mark    Lisbon
1  Pic 36  Laura  Montreal
2  Pic 15   Adam    Lisbon
3  Pic 54   Mark    Lisbon
4  Pic 84  Laura  Montreal
5  Pic 48   Adam    Lisbon

Answer 3

我们可以做：

( df1.melt(['Name','City'],value_name='Picture')
     .reindex(columns = ['Picture'] + [*df1.columns[:-2]]) )
     #.loc[:,['Picture','Name','City']] )
     #.reindex(columns = ['Picture','Name','City']) )

或

( df1.set_index(['Name','City'])
     .stack()
     .rename('Picture')
     .reset_index()
     .reindex(columns = ['Picture'] + [*df1.columns[:-2]]) )

输出

  Picture   Name      City
0  Pic 47   Mark    Lisbon
1  Pic 36  Laura  Montreal
2  Pic 15   Adam    Lisbon
3  Pic 54   Mark    Lisbon
4  Pic 84  Laura  Montreal
5  Pic 48   Adam    Lisbon