Kombinieren Sie Spalten in einem Datenrahmen

Question

einen Datenrahmen zu haben wie:

import pandas 

df = pandas.DataFrame({'a': [1, 2, 3], 'b': [9, 8, 7], 'c': [4, 5, 6]}) 
df 

ich mit einem Datenrahmen haben möchte:

• eine Faktor/Kategorie Spalte ['a', 'b']. Der Name dieser Spalte ist mir egal.
• eine Säule, die den alten Wert der a oder b Spalte hat, auf dem Faktor ['a', 'b'] abhängig. Der Name dieser Spalte ist mir egal.
• Halten c Spaltenwerte und den Namen (die tatsächliche Datenrahmen hat mehrere Spalten, die ich behalten möchte).
• ich über die Reihenfolge der Spalten in dem resultierenden Datenrahmen, noch wenn einige (oder überhaupt) von ihnen nicht als Index gesetzt kümmern.

Dies ist ein Beispiel dafür, was Ich mag würde bekommen:

df['name_a'] = 'a' 
df['name_b'] = 'b' 

c0 = pandas.concat([df['name_a'], df['name_b']]) 
c1 = pandas.concat([df['a'], df['b']]) 
c2 = pandas.concat([df['c'], df['c']]) 

newdf = pandas.concat([c0, c1, c2], axis=1) 
newdf 

Gibt es einen besseren Weg, um das gleiche Ergebnis zu erzielen? Ich fühle, dass es sehr hässlich ist. Vielleicht eine pandas Funktion, die ich vermisse und macht den Code viel sauberer und einfach zu verstehen?

Answer 1

Ich glaube, Sie brauchen melt:

print (pd.melt(df,id_vars='c', var_name='0', value_name='1')) 
    c 0 1 
0 4 a 1 
1 5 a 2 
2 6 a 3 
3 4 b 9 
4 5 b 8 
5 6 b 7 

Eine andere Lösung mit stack mit sort_values:

df1 = df.set_index('c').stack().reset_index().sort_values('level_1') 
df1.columns = ['c', '0','1'] 
print (df1) 
    c 0 1 
0 4 a 1 
2 5 a 2 
4 6 a 3 
1 4 b 9 
3 5 b 8 
5 6 b 7 

Weitere allgemeine Lösung - verwenden list comprehension für Filter alle Spalten, die nicht a und b variabel sind cols :

cols = [col for col in df.columns if col not in ['a','b']] 
print (cols) 
['c'] 

print (pd.melt(df,id_vars=cols, var_name='0', value_name='1')) 
    c 0 1 
0 4 a 1 
1 5 a 2 
2 6 a 3 
3 4 b 9 
4 5 b 8 
5 6 b 7 

Probe mit einer anderen Spalte g hinzugefügt:

df = pd.DataFrame({'a': [1, 2, 3], 
        'b': [9, 8, 7], 
        'c': [4, 5, 6], 
        'g': [0, 1, 7]}) 

print (df) 
    a b c g 
0 1 9 4 0 
1 2 8 5 1 
2 3 7 6 7 

cols = [col for col in df.columns if col not in ['a','b']] 
print (cols) 
['c', 'g'] 

Schnellere Lösung mit numpy.setdiff1d:

cols = np.setdiff1d(df.columns, ['a','b']).tolist() 
print (cols) 
['c', 'g'] 

print (pd.melt(df,id_vars=cols, var_name='0', value_name='1')) 
    c g 0 1 
0 4 0 a 1 
1 5 1 a 2 
2 6 7 a 3 
3 4 0 b 9 
4 5 1 b 8 
5 6 7 b 7