2
数据传递问题:我如何有选择地从一个过宽的DataFrame中传递某些变量?Python熊猫:在宽型DataFrame中传递某些变量
例如,我想转:
df1 = pd.DataFrame(
[[1,'a','b',.1,-1,10],
[2,'a','b',.2,-3,12],
[3,'c','d',.3,-5,14]],
columns=['sample','id1','id2','x','y1','y2'])
print df1
# sample id1 id2 x y1 y2
#0 1 a b 0.1 -1 10
#1 2 a b 0.2 -3 12
#2 3 c d 0.3 -5 14
成:
# sample id position x y
#0 1 a 1 0.1 -1
#1 1 b 2 0.1 10
#2 2 a 1 0.2 -3
#3 2 b 2 0.2 12
#4 3 c 1 0.3 -5
#5 3 d 2 0.3 14
注意,x被复制,和y与位置对齐。
直线pd.melt()
创建混合变量和数据类型,这些混合变量和数据类型不易选择性地重新转换为宽泛形式。
print pd.melt(df1, id_vars='sample')
# sample variable value
#0 1 id1 a
#1 2 id1 a
#2 3 id1 c
#3 1 id2 b
#4 2 id2 b
#5 3 id2 d
#6 1 x 0.1
#7 2 x 0.2
#8 3 x 0.3
#9 1 y1 -1
#10 2 y1 -3
#11 3 y1 -5
#12 1 y2 10
#13 2 y2 12
#14 3 y2 14
有什么建议吗?谢谢!
首先,真棒答案。由于df.columns.str.extract()对我来说是一个新问题:如果列名更复杂,例如'['id1,f22','id2,f22','var50_a1','var50_a2 “]'。你只需要使用一些正则表达式来提取正确的var名称/位置? –
我不认为正则表达式可以很容易地处理混合模式列,它必须有一个清晰的模式来将它分割为多个索引,例如'a1,a2,b1,b2,c1,c2'或'var1_a1,var1_a2 ,var2_a1,var2_a2'都应该没问题,但对于后者而言,正则表达式应该是'([^ _] +)_([^ _] +)'。所以确保你的列名不会发疯会有所帮助。 – Psidom
很酷,很容易在提取之前重命名列。 –