我有以下格式的数据框：
Date Id A B C D E
2018-01-28 5937.0 11.000000 11.000000 10.000000 10.000000 10.000000
2018-01-21 5937.0 10.000000 10.000000 10.000000 10.000000 10.000000
我想将数据更改为以下格式：
Id 2018-01-28 2018-01-21
A 5937.0 11.000000 10.000000
B 5937.0 11.000000 10.000000
C 5937.0 10.000000 10.000000
D 5937.0 10.000000 10.000000
E 5937.0 10.000000 10.000000
进行以下转换的最佳方法是什么？我一直在使用数据透视，但无法正常工作（我对数据透视不太满意）
答案 0 :(得分：2)
使用set_index，然后使用stack和unstack和reset_index：
df1 = df.set_index(['Date','Id']).stack().unstack(0).reset_index(0)
print(df1)
Date Id 2018-01-21 2018-01-28
A 5937.0 10.0 11.0
B 5937.0 10.0 11.0
C 5937.0 10.0 10.0
D 5937.0 10.0 10.0
E 5937.0 10.0 10.0
df1=df.set_index(['Date','Id']).stack().unstack(0).reset_index(0).rename_axis(None,1)
print(df1)
Id 2018-01-21 2018-01-28
A 5937.0 10.0 11.0
B 5937.0 10.0 11.0
C 5937.0 10.0 10.0
D 5937.0 10.0 10.0
E 5937.0 10.0 10.0
答案 1 :(得分：1)
我可以使用melt和pivot_table来做到这一点：
(df.melt(['Date', 'Id'])
.pivot_table(index=['variable', 'Id'], columns='Date', values='value')
.reset_index())
Date variable Id 2018-01-21 2018-01-28
0 A 5937.0 10.0 11.0
1 B 5937.0 10.0 11.0
2 C 5937.0 10.0 10.0
3 D 5937.0 10.0 10.0
4 E 5937.0 10.0 10.0
答案 2 :(得分：1)
使用枢轴：
(df.pivot_table(values=["A", "B", "C", "D", "E"], columns=["Id", "Date"])
.unstack()
.reset_index(1) # Multi-index level 1 = Id
.rename_axis(None, 1)) # Set columns name to None (not Date)
输出：
Date Id 2018-01-21 2018-01-28
A 5937.0 10.0 11.0
B 5937.0 10.0 11.0
C 5937.0 10.0 10.0
D 5937.0 10.0 10.0
E 5937.0 10.0 10.0