그래서 내 데이터 세트에는 n 날짜에 대한 위치 별 정보가 있습니다. 문제는 각 날짜가 실제로 다른 열 머리글이라는 것입니다. 예를 들어 CSV는 다음과 같습니다.
location name Jan-2010 Feb-2010 March-2010
A "test" 12 20 30
B "foo" 18 20 25
내가 원하는 것은
location name Date Value
A "test" Jan-2010 12
A "test" Feb-2010 20
A "test" March-2010 30
B "foo" Jan-2010 18
B "foo" Feb-2010 20
B "foo" March-2010 25
문제는 열에 몇 개의 날짜가 있는지 모르겠다는 것입니다 (항상 이름 뒤에 시작된다는 것을 알고 있지만)
답변
업데이트
v0.20부터는 melt
1 차 함수이므로 이제 사용할 수 있습니다.
df.melt(id_vars=["location", "name"],
var_name="Date",
value_name="Value")
location name Date Value
0 A "test" Jan-2010 12
1 B "foo" Jan-2010 18
2 A "test" Feb-2010 20
3 B "foo" Feb-2010 20
4 A "test" March-2010 30
5 B "foo" March-2010 25
이전 (ER) 버전 : <0.20
을 사용 pd.melt
하여 대부분의 방법을 찾은 다음 정렬 할 수 있습니다.
>>> df
location name Jan-2010 Feb-2010 March-2010
0 A test 12 20 30
1 B foo 18 20 25
>>> df2 = pd.melt(df, id_vars=["location", "name"],
var_name="Date", value_name="Value")
>>> df2
location name Date Value
0 A test Jan-2010 12
1 B foo Jan-2010 18
2 A test Feb-2010 20
3 B foo Feb-2010 20
4 A test March-2010 30
5 B foo March-2010 25
>>> df2 = df2.sort(["location", "name"])
>>> df2
location name Date Value
0 A test Jan-2010 12
2 A test Feb-2010 20
4 A test March-2010 30
1 B foo Jan-2010 18
3 B foo Feb-2010 20
5 B foo March-2010 25
( .reset_index(drop=True)
출력을 깨끗하게 유지하기 위해 를 던지고 싶을 수도 있습니다.)
참고 : pd.DataFrame.sort
은 대신 사용되지 않습니다pd.DataFrame.sort_values
.
답변
사용 set_index
에 stack
대한 MultiIndex Series
다음을 위해, DataFrame
추가 reset_index
로 rename
:
df1 = (df.set_index(["location", "name"])
.stack()
.reset_index(name='Value')
.rename(columns={'level_2':'Date'}))
print (df1)
location name Date Value
0 A test Jan-2010 12
1 A test Feb-2010 20
2 A test March-2010 30
3 B foo Jan-2010 18
4 B foo Feb-2010 20
5 B foo March-2010 25
답변
더 간단한 해결책을 찾은 것 같아요
temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')
전체 CONCAT temp1
와 temp2
의 열name
temp1['new_column'] = temp2['name']
이제 당신은 당신이 요청한 것을 얻었습니다.
답변
pd.wide_to_long
연도 열에 접두사를 추가 한 다음에 직접 피드 할 수 pd.wide_to_long
있습니다. 이것이 효율적인 척 하지는 않겠지 만 특정 상황 pd.melt
에서는 열에 이미 적절한 접두사가있는 경우 보다 더 편리 할 수 있습니다.
df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))
res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
.sort_values(['location', 'name'])
print(res)
name Date location Value
0 test Jan-2010 A 12
2 test Feb-2010 A 20
4 test March-2010 A 30
1 foo Jan-2010 B 18
3 foo Feb-2010 B 20
5 foo March-2010 B 25
답변
![](http://daplus.net/wp-content/uploads/2023/04/coupang_part-e1630022808943-2.png)