Question

我有一张客户表（coper）和资产分配（资产）

A = [[1,2],[3,4],[5,6]]
idx = ['coper1','coper2','coper3']
cols = ['asset1','asset2']

df = pd.DataFrame(A,index = idx, columns = cols)

所以我的数据看起来像

        asset1  asset2
coper1       1       2
coper2       3       4
coper3       5       6

我希望通过线性优化来运行它们（我有约束 - 像sum of all of asset_i <= amount_on_hand_i和sum of coper_j = price_j那样的somtehing）

所以我必须将这个2D矩阵变成一维矢量。这很容易融化

df2 = pd.melt(df,value_vars=['asset1','asset2'])

但是现在，当我尝试解开它时，我会得到一个包含大量空白的6行数组！

df2.pivot(columns = 'variable', values = 'value')


variable  asset1  asset2
0            1.0     NaN
1            3.0     NaN
2            5.0     NaN
3            NaN     2.0
4            NaN     4.0
5            NaN     6.0

使用融化时，有没有办法保留索引的'coper'部分？

Answer 1

您需要保留reset_index和参数id_vars的索引值：

df2 = pd.melt(df.reset_index(), id_vars='index',value_vars=['asset1','asset2'])
print (df2)
    index variable  value
0  coper1   asset1      1
1  coper2   asset1      3
2  coper3   asset1      5
3  coper1   asset2      2
4  coper2   asset2      4
5  coper3   asset2      6

然后转动工作很好：

print(df2.pivot(index='index',columns = 'variable', values = 'value'))
variable  asset1  asset2
index                   
coper1         1       2
coper2         3       4
coper3         5       6

stack的另一种可能解决方案：

df2 = df.stack().reset_index()
df2.columns = list('abc')
print (df2)
        a       b  c
0  coper1  asset1  1
1  coper1  asset2  2
2  coper2  asset1  3
3  coper2  asset2  4
4  coper3  asset1  5
5  coper3  asset2  6

print(df2.pivot(index='a',columns = 'b', values = 'c'))
b       asset1  asset2
a                     
coper1       1       2
coper2       3       4
coper3       5       6

Answer 2

看起来像“可选参数keep_index到数据框熔化方法”进入了1.1版：https://github.com/pandas-dev/pandas/issues/17440

Answer 3

将ignore_index设置为False，以保留索引，例如

df = df.melt(var_name=‘species’, value_name=‘height’, ignore_index = False)

大熊猫，融化，未融化保存指数

3 个答案: