堆叠pandas DataFrame时设置列名

Question

堆叠大熊猫时DataFrame,Series会返回a.通常在我堆叠之后DataFrame,我将其转换回来DataFrame.但是,来自堆叠数据的默认名称使列重命名有点hacky.我正在寻找的是一种更简单/内置的方法,可以在堆叠后为列提供合理的名称.

例如,对于以下内容DataFrame:

In [64]: df = pd.DataFrame({'id':[1,2,3], 
    ...:                    'date':['2015-09-31']*3, 
    ...:                    'value':[100, 95, 42], 
    ...:                    'value2':[200, 57, 27]}).set_index(['id','date'])

In [65]: df
Out[65]: 
               value  value2
id date                     
1  2015-09-31    100     200
2  2015-09-31     95      57
3  2015-09-31     42      27

我将它堆叠并转换回DataFrame类似的:

In [68]: df.stack().reset_index()
Out[68]: 
   id        date level_2    0
0   1  2015-09-31   value  100
1   1  2015-09-31  value2  200
2   2  2015-09-31   value   95
3   2  2015-09-31  value2   57
4   3  2015-09-31   value   42
5   3  2015-09-31  value2   27

所以为了恰当地命名这些列,我需要做这样的事情:

In [72]: stacked = df.stack()

In [73]: stacked
Out[73]: 
id  date              
1   2015-09-31  value     100
                value2    200
2   2015-09-31  value      95
                value2     57
3   2015-09-31  value      42
                value2     27
dtype: int64

In [74]: stacked.index.set_names('var_name', level=len(stacked.index.names)-1, inplace=True)

In [88]: stacked.reset_index().rename(columns={0:'value'})
Out[88]: 
   id        date var_name  value
0   1  2015-09-31    value    100
1   1  2015-09-31   value2    200
2   2  2015-09-31    value     95
3   2  2015-09-31   value2     57
4   3  2015-09-31    value     42
5   3  2015-09-31   value2     27

理想情况下,解决方案看起来像这样:

df.stack(new_index_name='var_name', new_col_name='value')

但是看看它看起来不像的文档stack需要任何这样的论点.在熊猫中有更简单/内置的方式来处理这个工作流程吗？

Answer 1

pd.melt通常用于将DataFrames从"宽"格式转换为"长格式".pd.melt如果首先将id和date索引级别转换为列,则可以在此处使用:

In [56]: pd.melt(df.reset_index(), id_vars=['id', 'date'], value_vars=['value', 'value2'], var_name='var_name', value_name='value')
Out[56]: 
   id        date var_name  value
0   1  2015-09-31    value    100
1   2  2015-09-31    value     95
2   3  2015-09-31    value     42
3   1  2015-09-31   value2    200
4   2  2015-09-31   value2     57
5   3  2015-09-31   value2     27

Answer 2

所以这里有一种方法,你可以找到一个更清洁,使用的事实,columns也Series可以携带名称.

In [45]: df
Out[45]: 
               value  value2
id date                     
1  2015-09-31    100     200
2  2015-09-31     95      57
3  2015-09-31     42      27

In [46]: df.columns.name = 'var_name'

In [47]: s = df.stack()

In [48]: s.name = 'value'

In [49]: s.reset_index()
Out[49]: 
   id        date var_name  value
0   1  2015-09-31    value    100
1   1  2015-09-31   value2    200
2   2  2015-09-31    value     95
3   2  2015-09-31   value2     57
4   3  2015-09-31    value     42
5   3  2015-09-31   value2     27

Answer 3

chrisb 答案的管道友好替代方案：

df.stack().rename_axis(['id', 'date', 'var_name']).rename('value').reset_index()

如果显式优于隐式：

(
    df
    .stack()
    .rename_axis(index={'id': 'id', 'date': 'date', None: 'var_name'})
    .rename('value')
    .reset_index()
)

使用 dict 映射器时，您可以跳过应该保持不变的名称：

df.stack().rename_axis(index={None: 'var_name'}).rename('value').reset_index()