如何从 pandas DataFrame 中“反透视”特定列？

Question

我有一个 pandas DataFrame，例如：

df = pd.DataFrame({'farm' : ['A','B','A','B'], 
                   'fruit':['apple','apple','pear','pear'], 
                   '2014':[10,12,6,8], 
                   '2015':[11,13,7,9]})

即：

   2014  2015 farm  fruit
0    10    11    A  apple
1    12    13    B  apple
2     6     7    A   pear
3     8     9    B   pear

如何将其转换为以下内容？

  farm  fruit  value  year
0    A  apple     10  2014
1    B  apple     12  2014
2    A   pear      6  2014
3    B   pear      8  2014
4    A  apple     11  2015
5    B  apple     13  2015
6    A   pear      7  2015
7    B   pear      9  2015

我已经尝试过

stack

和

unstack

但没能成功。

Answer 1

这可以用

pd.melt()

来完成：

# value_name is 'value' by default, but setting it here to make it clear
pd.melt(x, id_vars=['farm', 'fruit'], var_name='year', value_name='value')

结果：

  farm  fruit  year  value
0    A  apple  2014     10
1    B  apple  2014     12
2    A   pear  2014      6
3    B   pear  2014      8
4    A  apple  2015     11
5    B  apple  2015     13
6    A   pear  2015      7
7    B   pear  2015      9

[8 rows x 4 columns]

我不确定“熔化”作为这种操作的名称有多常见，但这就是 R 的

reshape2

包中的名称，这可能启发了这里的名称。

Answer 2

可以使用

stack()

来完成；只是必须首先调用

set_index()

来为每个年份值对重复

farm

和

fruit

。

long_df = df.set_index(['farm', 'fruit']).rename_axis(columns='year').stack().reset_index(name='value')

另外

melt

也是一个 DataFrame 方法，所以它可以这样调用：

long_df = df.melt(id_vars=['farm', 'fruit'], var_name='year', value_name='value')

一个有趣的功能是

pd.wide_to_long

，它也可以用来“融化”一个框架。但是，它需要一个

stubname

，因此不适用于OP中的案例但适用于其他案例。例如，在下面的情况下（请注意列标签中的年份如何在其中包含

value_

）。

long_df = pd.wide_to_long(df, 'value', i=['farm', 'fruit'], j='year', sep='_').reset_index()