我想知道如何合并多个列并再次拆分它们。在熊猫数据框中合并和拆分列
输入数据
A B C
1 3 5
2 4 6
合并A,B,C到一个列X
X
1
2
3
4
5
6
过程一些与X,然后再次分裂X为A,B,C。 A,B,C的行数是相同的(2)。
A B C
1 3 5
2 4 6
有没有简单的方法来完成这项工作?
我想知道如何合并多个列并再次拆分它们。在熊猫数据框中合并和拆分列
输入数据
A B C
1 3 5
2 4 6
合并A,B,C到一个列X
X
1
2
3
4
5
6
过程一些与X,然后再次分裂X为A,B,C。 A,B,C的行数是相同的(2)。
A B C
1 3 5
2 4 6
有没有简单的方法来完成这项工作?
开始与df:
A B C
0 1 3 5
1 2 4 6
下,得到一个列中的所有值:
df2 = df.unstack().reset_index(drop=True).rename('X').to_frame()
print(df2)
X
0 1
1 2
2 3
3 4
4 5
5 6
而且,转换回原来的形状:
df3 = pd.DataFrame(df2.values.reshape(2,-1, order='F'), columns=list('ABC'))
print(df3)
A B C
0 1 3 5
1 2 4 6
未在你喜欢的方式放松,你需要或者unstack
或ravel
与order='F'
选项1
def proc1(df):
v = df.values
s = v.ravel('F')
s = s * 2
return pd.DataFrame(s.reshape(v.shape, order='F'), df.index, df.columns)
proc1(df)
A B C
0 2 6 10
1 4 8 12
选项2
def proc2(df):
return df.unstack().mul(2).unstack(0)
proc2(df)
A B C
0 2 6 10
1 4 8 12
'堆()MUL(2).unstack()' –
@ PaulH注意到OP要求按列方式堆叠的值......这意味着将行索引放到列上,因此首先是“unpack”。然后处理任何事情(我选择'mul(2)'),然后'unstack(0)'来取代堆叠。我在'mul(2)'中选择了一个不好的例子来证明细微差别 – piRSquared
ahh,在单级列索引的情况下,'stack'和'unstack'做同样的事情(我觉得奇怪) –
设置
df=pd.DataFrame({'A': {0: 1, 1: 2}, 'B': {0: 3, 1: 4}, 'C': {0: 5, 1: 6}})
df
Out[684]:
A B C
0 1 3 5
1 2 4 6
解
合并DF 1柱:
df2 = pd.DataFrame(df.values.flatten('F'),columns=['X'])
Out[686]:
X
0 1
1 2
2 3
3 4
4 5
5 6
拆分它回到第三列:?
pd.DataFrame(df2.values.reshape(-1,3,order='F'),columns=['A','B','C'])
Out[701]:
A B C
0 1 3 5
1 2 4 6
功能平坦也似乎是合并多列的好主意。谢谢您的回答。 – z991
我认为没有必要放弃索引。 –
@PaulH试图匹配OP的预期输出,但你是正确的,这是不需要的。 –
@ScottBoston,df3的输出结果与此处显示的不一样。数据可能需要先转置。 – Allen