Question

示例输入数据集是：

0 2017-11-17 10：23：28.691 788 756 789 780

2017-11-17 10：23：29.731 788 783 0 0

2017-11-17 10：23：30.655 747 0 0 0

2017-11-17 10：23：31.627 766 0 0 0

2017-11-17 10：23：32.606 807 0 0 0

示例输出数据集我想要的内容：

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

2017-11-17 10：23：29.731 788

2017-11-17 10：23：29.731 783

2 2017-11-17 10：23：30.655 747

2017-11-17 10：23：31.627 766

4 2017-11-17 10：23：32.606 807

我怎么能用python或pandas做到这一点？或者还有其他技术吗？

Answer 1

使用set_index + stack，然后过滤掉0行，最后从DataFrame创建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

你可以使用融化

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

如何根据python中的时间戳索引将行转换为单列？

3 个答案: