英文:
DataFrame transformation: from multiple columns to one
问题
使用Pandas和NumPy，您可以将DataFrame从初始表格转换为如下所示的DataFrame：
Name Year Nb------+--------+--------+-------0 | A | 2021 | 5.01 | A | 2020 | 4.02 | A | 2019 | 10.03 | A | 2018 | 4.04 | A | 2017 | 4.0...k | A-Jay | 2021 | 5.0k+1 | A-Jay | 2020 | 6.0...l+i | A.J. | 2019 | 3.0m | Aaban | 2021 | 4.0m+1 | Aaban | 2020 | 4.0...
这种转换需要使用Pandas和NumPy的功能来重新构造DataFrame，包括对名称、年份和数值的变换和组合。如果您需要详细的代码示例，请提供原始DataFrame和所需的转换步骤，我可以为您提供更多的帮助。
英文:
How can I transform with Pandas & NumPy this DataFrame:
to DataFrame like:
Name Year Nb------+--------+--------+-------0 | A | 2021 | 5.01 | A | 2020 | 4.02 | A | 2019 | 10.03 | A | 2018 | 4.04 | A | 2017 | 4.0...k | A-Jay | 2021 | 5.0k+1 | A-Jay | 2020 | 6.0...l+i | A.J. | 2019 | 3.0m | Aaban | 2021 | 4.0m+1 | Aaban | 2020 | 4.0...
?
答案1
得分: 0
这里有一种方式（可能是最优雅的），使用`melt()`：```pythonout = ( df.melt(id_vars='Name', var_name='Year', value_name='Nb').dropna().sort_values(['Name','Year'], ascending=[True,False]).reset_index(drop=True) )
这里是另一种方式，使用stack()：
out = ( df.set_index('Name').stack().reset_index().rename(columns={'level_1':'Year', 0:'Nb'}).sort_values(['Name','Year'],ascending=[True,False]).reset_index(drop=True) )
样本输入：
Name 2021 2022 2023 20240 a NaN 4.0 None 0.01 b 2.0 NaN None NaN2 c 3.0 6.0 None 0.0
输出：
Name Year Nb0 a 2024 0.01 a 2022 4.02 b 2021 2.03 c 2024 0.04 c 2022 6.05 c 2021 3.0
英文:
Here's a way (probably the most elegant) using melt():
out = ( df.melt(id_vars='Name', var_name='Year', value_name='Nb').dropna().sort_values(['Name','Year'], ascending=[True,False]).reset_index(drop=True) )
Here's another way, this one using stack():
out = ( df.set_index('Name').stack().reset_index().rename(columns={'level_1':'Year',0:'Nb'}).sort_values(['Name','Year'],ascending=[True,False]).reset_index(drop=True) )
Sample input:
Name 2021 2022 2023 20240 a NaN 4.0 None 0.01 b 2.0 NaN None NaN2 c 3.0 6.0 None 0.0
Output:
Name Year Nb0 a 2024 0.01 a 2022 4.02 b 2021 2.03 c 2024 0.04 c 2022 6.05 c 2021 3.0
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论