我如何将这个数据框转入这个数据框？

Question

我怎样才能把df1变成df2？

df1 = pd.DataFrame(

  {

  'item1_aspect1' : ["a", "b", "c"],

  'item1_aspect2' : [1,2,3],

  'item1_aspect3' : ["[12,34]", "[56,78]", "[99,10]"],

  'item2_aspect1' : ["a", "b", "c"],

  'item2_aspect2' : [1,2,3],

  'item2_aspect3' : ["[12,34]", "[56,78]", "[99,10]"],

  'item3_aspect1' : ["a", "b", "c"],

  'item3_aspect2' : [1,2,3],

  'item3_aspect3' : ["[12,34]", "[56,78]", "[99,10]"]

  })

df2 = pd.DataFrame({

  'aspect_1' : ["a", "b", "c", "a", "b", "c", "a", "b", "c"],

  'aspect_2' : [1,2,3,1,2,3,1,2,3],

  'aspect_3' : ["[12,34]", "[56,78]", "[99,10]", "[12,34]", "[56,78]", "[99,10]", "[12,34]", "[56,78]", "[99,10]"]

})

即列名是一个标识符，它分成几行。我不知道该怎么做。

Answer 1

我们需要先调整列类型，然后wide_to_longdf1.columns=df1.columns.str.split('_').map(lambda x : '_'.join(x[::-1]))yourdf=pd.wide_to_long(df1.reset_index(),                       ['aspect1','aspect2','aspect3'],                        i ='index',                        j = 'drop',                        sep = '_',suffix='\w+').reset_index(drop=True)Out[137]:   aspect1  aspect2  aspect30       a        1  [12,34]1       b        2  [56,78]2       c        3  [99,10]3       a        1  [12,34]4       b        2  [56,78]5       c        3  [99,10]6       a        1  [12,34]7       b        2  [56,78]8       c        3  [99,10]

Answer 2

如果你想坚持使用 pandas 操作，不想不断更改数据类型并更喜欢列表理解。试试这个方法 -lst = list(df1.columns)n=3new_cols = ['aspect_1', 'aspect_2', 'aspect_3']#break the column list into groups of n = 3 in this casechunks = [lst[i:i + n] for i in range(0, len(lst), n)]#concatenate the list of dataframes over axis = 0after renaming columns of each pd.concat([df1[i].set_axis(new_cols, axis=1) for i in chunks], axis=0, ignore_index=True)aspect_1    aspect_2    aspect_30   a   1   [12,34]1   b   2   [56,78]2   c   3   [99,10]3   a   1   [12,34]4   b   2   [56,78]5   c   3   [99,10]6   a   1   [12,34]7   b   2   [56,78]8   c   3   [99,10]

Answer 3

获取唯一的尾列名称：cols = df1.columns.str.split("_").str[-1].drop_duplicates()在数据框上使用 numpy 的重塑，并创建一个新的数据框：pd.DataFrame(np.reshape(df1.to_numpy(), df1.shape[::-1]), columns=cols)aspect1 aspect2 aspect30   a   1   [12,34]1   a   1   [12,34]2   a   1   [12,34]3   b   2   [56,78]4   b   2   [56,78]5   b   2   [56,78]6   c   3   [99,10]7   c   3   [99,10]8   c   3   [99,10]或者，我们可以结合使用numpy split和numpy vstack来获得输出：column_count = df1.columns.str[-1].astype(int).max()pd.DataFrame(np.vstack(np.split(df1.to_numpy(), column_count, axis=1)), columns=cols)aspect1 aspect2 aspect30   a   1   [12,34]1   b   2   [56,78]2   c   3   [99,10]3   a   1   [12,34]4   b   2   [56,78]5   c   3   [99,10]6   a   1   [12,34]7   b   2   [56,78]8   c   3   [99,10]

Answer 4

这是一个相当简单的方法：df1.columns = [c[6:] for c in df1.columns]pd.concat([df1.iloc[:, 0:3], df1.iloc[:, 3:6], df1.iloc[:, 6:9]], axis=0)输出是：  aspect1  aspect2  aspect30       a        1  [12,34]1       b        2  [56,78]2       c        3  [99,10]0       a        1  [12,34]1       b        2  [56,78]...