Pandas 将重复的列转换为行

Question

我有一个像这样的数据框，其中包含重复的列名：ID 作为索引加载

          JANUARY         FEBRUARY        MARCH 

  ID    Sales   Revenue Sales   Revenue Sales   Revenue

  03    10.00   5.00    0.00    0.00    10.00   19.00

  05    20.00   20.00   20.00   20.00   20.00   20.00

  06    30.00   30.00   30.00   30.00   30.00   30.00

  07    30.00   30.00   30.00   30.00   30.00   30.00

我想将其显示如下：

  ID    Sales   Revenue

  03    10.00   5.00

  05    20.00   20.00

  06    30.00   30.00

  07    30.00   30.00

  03    0.00    0.00

  05    20.00   20.00

  06    30.00   30.00

  07    30.00   30.00

  03    10.00   19.00

  05    20.00   20.00

  06    30.00   30.00

  07    30.00   30.00

目前我正在使用，但期待更好的方法。我尝试过熔化，但这仅适用于一列：

cols = df.columns.to_list()

for i in range(1, len(cols), 2):  # #Loading each month's data to the data frame

    sub_cols = cols[i:i + 2]

    sub_cols .insert(0, cols[0])

    sub_df = df.filter(sub_cols , axis=1)

    sub_df.columns = ['ID', 'Revenue', 'Sales']

    if i == 1:

        final_df = sub_df

    else:

        final_df = final_df.append(sub_df)

Answer 1

Pandas lreshape 帮我解决了这个问题。df = pd.lreshape(df, {'Sales': file_df.columns[file_df.columns.str.match(r'^Sales\.?\d?')],'Revenue': file_df.columns[file_df.columns.str.match(r'^Revenue\.?\d?')]})

Answer 2

这是堆叠列的另一种方法。不确定它是否更有效，但它需要更少的代码。#        JANUARY         FEBRUARY        MARCH #  ID    Sales   Revenue Sales   Revenue Sales   Revenue#  03    10.00   5.00    0.00    0.00    10.00   19.00#  05    20.00   20.00   20.00   20.00   20.00   20.00#  06    30.00   30.00   30.00   30.00   30.00   30.00#  07    30.00   30.00   30.00   30.00   30.00   30.00import pandas as pddd = {'ID':['03','05','06','07'],'Sales1':[10,20,30,30],'Rev1':[5,20,30,30],'Sales2':[0,20,30,30],'Rev2':[0,20,30,30],'Sales3':[10,20,30,30],'Rev3':[19,20,30,30]}df = pd.DataFrame(dd)print(df.to_string(index=False),'\n') # source dataframe####################dfnew = pd.DataFrame(columns = ['ID', 'Sales', 'Revenue'])  # new dataframe with all datafor c in range(1,len(df.columns),2):   dftmp = df[['ID',df.columns[c],df.columns[c+1]]] # create df for each month   dftmp.columns = ['ID', 'Sales', 'Revenue'] # must rename columns for append   dfnew = dfnew.append(dftmp)  # append to stacked dfprint(dfnew.to_string(index=False))输出 ID  Sales1  Rev1  Sales2  Rev2  Sales3  Rev3 03      10     5       0     0      10    19 05      20    20      20    20      20    20 06      30    30      30    30      30    30 07      30    30      30    30      30    30 ID Sales Revenue 03    10       5 05    20      20 06    30      30 07    30      30 03     0       0 05    20      20 06    30      30 07    30      30 03    10      19 05    20      20 06    30      30 07    30      30