Wie transponieren Zeilen in einzelne Spalte basierend auf Zeitstempel-Index in Python?

Question

Probeneingabedatensatz ist:

0 2017-11-17 10: 23: 28,691 788 756 789 780

1 2017-11-17 10: 23: 29,731 788 783 0 0

2 2017-11-17 10: 23: 30,655 747 0 0 0

3 2017-11-17 10: 23: 31,627 766 0 0 0

4 2017-11-17 10:23 : 32.606 807 0 0 0

Beispiel für die Ausgabe-Datensatz, was ich will:

0 2017-11-17 10: 23: 28,691 788

0 2017-11-17 10: 23: 28,691 756

0 2017-11-17 10: 23: 28,691 789

0 2017-11-17 10: 23: 28,691 780

1 2017.11.17 10: 23: 29,731 788

1 2017-11-17 10: 23: 29,731 783

2 2017-11-17 10: 23: 30,655 747

3 2017.11.17 10: 23: 31,627 766

4 2017-11-17 10: 23: 32,606 807

Wie kann ich tun dies, indem python oder Pandas? oder gibt es eine andere Technik, dies zu tun?

Answer 1

Verwenden set_index + stack, dann 0 Zeilen herausfiltern und zuletzt erstellen DataFrame von Series:

print (df) 
         date a b c d 
0 2017-11-17 10:23:28.691 788 756 789 780 
1 2017-11-17 10:23:29.731 788 783 0 0 
2 2017-11-17 10:23:30.655 747 0 0 0 
3 2017-11-17 10:23:31.627 766 0 0 0 
4 2017-11-17 10:23:32.606 807 0 0 0 

a = df.set_index('date').stack() 
df = a[a != 0].reset_index(drop=True, level=1).reset_index(name='a') 
print (df) 
         date a 
0 2017-11-17 10:23:28.691 788 
1 2017-11-17 10:23:28.691 756 
2 2017-11-17 10:23:28.691 789 
3 2017-11-17 10:23:28.691 780 
4 2017-11-17 10:23:29.731 788 
5 2017-11-17 10:23:29.731 783 
6 2017-11-17 10:23:30.655 747 
7 2017-11-17 10:23:31.627 766 
8 2017-11-17 10:23:32.606 807 

Answer 2

replace + stack

df.set_index('A').replace({0:np.nan}).stack().reset_index(name='Value').drop('level_1',1) 
Out[22]: 
         A Value 
0 2017-11-1710:23:28.691 788.0 
1 2017-11-1710:23:28.691 756.0 
2 2017-11-1710:23:28.691 789.0 
3 2017-11-1710:23:28.691 780.0 
4 2017-11-1710:23:29.731 788.0 
5 2017-11-1710:23:29.731 783.0 
6 2017-11-1710:23:30.655 747.0 
7 2017-11-1710:23:31.627 766.0 
8 2017-11-1710:23:32.606 807.0 

Answer 3

Sie Schmelze können

df.replace({0: np.nan}).melt(id_vars='datetime', value_vars=['val1', 'val2', 'val3', 'val4']).dropna().drop('variable', axis = 1) 

    datetime     value 
0 0 2017-11-17 10:23:28.691 788.0 
1 1 2017-11-17 10:23:29.731 788.0 
2 2 2017-11-17 10:23:30.655 747.0 
3 3 2017-11-17 10:23:31.627 766.0 
4 4 2017-11-17 10:23:32.606 807.0 
5 0 2017-11-17 10:23:28.691 756.0 
6 1 2017-11-17 10:23:29.731 783.0 
10 0 2017-11-17 10:23:28.691 789.0 
15 0 2017-11-17 10:23:28.691 780.0