Question

我想在python中为数据框创建重复的行。数据框看起来像这样

SKU Ids wk_1 wk_2 wk_3 wk_4 wk_5 wk_6    

 10 20  1    2    3     4    5    6
 30 40  6    5    4     3    2    1

我希望输出为

SKU Ids wk   value
 10 20 wk_1   1
 10 20 wk_2   2
 10 20 wk_3   3
 10 20 wk_4   4
 10 20 wk_5   5
 10 20 wk_6   6
 30 40 wk_1   6
 30 40 wk_2   5
 30 40 wk_3   4
 30 40 wk_4   3
 30 40 wk_5   2
 30 40 wk_6   1

我正在尝试使用pivot_table，但它向我显示错误

hqp = hq.pivot_table(columns=['sku', 'ids','value'], 
index= ['sku', 'ids'], 
values = ['wk_1', 'wk_2', 'wk_3', 'wk_4','wk_5', 'wk_6'])

Answer 1

wide_to_long的构建方式

pd.wide_to_long(df,['wk'],i=['SKU','Ids'],j='value',sep='_').reset_index()
Out[28]: 
    SKU  Ids  value  wk
0    10   20      1   1
1    10   20      2   2
2    10   20      3   3
3    10   20      4   4
4    10   20      5   5
5    10   20      6   6
6    30   40      1   6
7    30   40      2   5
8    30   40      3   4
9    30   40      4   3
10   30   40      5   2
11   30   40      6   1

Answer 2

将SKU和Ids设置为索引，然后依次设置stack和reset_index和rename：

df = df.set_index(['SKU','Ids'])\
       .stack().reset_index()\
       .rename(columns={'level_2':'wk',0:'value'})

或者：

df = df.set_index(['SKU','Ids'])\
       .stack().reset_index(name='value')\
       .rename(columns={'level_2':'wk'})

或者根据评论中的W-B建议，使用melt和sort_values的另一种方法：

df = df.melt(id_vars=['SKU','Ids'])\
       .rename(columns={'variable':'wk'})\
       .sort_values(['SKU','Ids'])

print(df)
    SKU  Ids    wk  value
0    10   20  wk_1      1
1    10   20  wk_2      2
2    10   20  wk_3      3
3    10   20  wk_4      4
4    10   20  wk_5      5
5    10   20  wk_6      6
6    30   40  wk_1      6
7    30   40  wk_2      5
8    30   40  wk_3      4
9    30   40  wk_4      3
10   30   40  wk_5      2
11   30   40  wk_6      1

如何使用数据透视表Python创建重复的行

2 个答案: