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。
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。
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()