使用 Pandas Melting
问题
我是Python的新手，正在尝试将表转换为所需的输出。
可复制的数据
我有这张桌子，我正在尝试将其转换为预计的输出。
pd.DataFrame({'A': ['1.Food', '1.1Bread', '1.2Chicken', 'Car', 'Animal', 'Ball'], 'Val1': [10, 14, 94, 13, 49, 89], 'Val2': [1,2,3,4,5,6], 'Val3' : [100, 120, 130, 140, 150, 160]},
columns=['A', 'Val1', 'Val2', 'Val3'])
A Val1 Val2 Val3
0 1.Food 10 1 100
1 1.1Bread 14 2 120
2 1.2Chicken 94 3 130
3 Car 13 4 140
4 Animal 49 5 150
5 Ball 89 6 160
预计输出
有人可以跟我分享如何正确地进行调整吗？谢谢！
更新
我使用过melt，它以某种方式创建了我想要的东西，但是我仍然无法获得我的子类别。
t1.melt(id_vars = ['A'])
A variable value
0 1.Food Val1 10
1 1.1Bread Val1 14
2 1.2Chicken Val1 94
3 Car Val1 13
4 Animal Val1 49
5 Ball Val1 89
6 1.Food Val2 1
7 1.1Bread Val2 2
8 1.2Chicken Val2 3
9 Car Val2 4
10 Animal Val2 5
11 Ball Val2 6
12 1.Food Val3 100
13 1.1Bread Val3 120
14 1.2Chicken Val3 130
15 Car Val3 140
16 Animal Val3 150
17 Ball Val3 160
问题来源：stackoverflow
展开
收起
1
条回答
写回答
写回答
-
我找不到真正直接的方法，所以我一步一步地做到了：
- identify a numerical category from the number before a dot in column A
- extract a SubCategory when column A contains 2 numbers separated with a dot
- build a Category column
- use column A if SubCategory is NaN
- use a groupby with the numerical category to fill the Category column
完成此操作后，将通过一个简单的堆栈给出结果。代码可以是：
df = pd.DataFrame({'A': ['1.Food', '1.1Bread', '1.2Chicken', 'Car', 'Animal', 'Ball'], 'Val1': [10, 14, 94, 13, 49, 89], 'Val2': [1,2,3,4,5,6], 'Val3' : [100, 120, 130, 140, 150, 160]}, columns=['A', 'Val1', 'Val2', 'Val3']) df['Categ'] = df['A'].str.extract(r'^(\d+)\.') df['SubCategory'] = df['A'].str.extract(r'^(\d+\.\d+.\*') df.loc[df['SubCategory'].isna(),'Category'] = df.loc[ df['SubCategory'].isna(),'A'] df.loc[~ df['Categ'].isna(), 'Category'] = df[~ df['Categ'].isna()].groupby( 'Categ')['Category'].apply(lambda x: x.bfill().ffill()) resul = df.set_index(['Category','SubCategory'])[ ['Val1', 'Val2', 'Val3']].stack().reset_index().rename( columns={'level_2': 'ValueType', 0: 'Value'})它给出了预期的结果：
Category SubCategory ValueType Value 0 1.Food NaN Val1 10 1 1.Food NaN Val2 1 2 1.Food NaN Val3 100 3 1.Food 1.1Bread Val1 14 4 1.Food 1.1Bread Val2 2 5 1.Food 1.1Bread Val3 120 6 1.Food 1.2Chicken Val1 94 7 1.Food 1.2Chicken Val2 3 8 1.Food 1.2Chicken Val3 130 9 Car NaN Val1 13 10 Car NaN Val2 4 11 Car NaN Val3 140 12 Animal NaN Val1 49 13 Animal NaN Val2 5 14 Animal NaN Val3 150 15 Ball NaN Val1 89 16 Ball NaN Val2 6 17 Ball NaN Val3 160回答来源：stackoverflow
2020-03-24 12:22:03赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
