我想转换这个 DF
位置 | 日期 | F1_ID | F1_Name | F1_Height | F1_Status | F2_ID | F2_Name | F2_Height | F2_Status |
---|---|---|---|---|---|---|---|---|---|
美国 | 12/31/19 | 1 | 乔恩 | 67 | W | 2 | 安东尼 | 68 | L |
通过复制行但交换数据到此 DF。
位置 | 日期 | F1_ID | F1_Name | F1_Height | F1_Status | F2_ID | F2_Name | F2_Height | F2_Status |
---|---|---|---|---|---|---|---|---|---|
美国 | 12/31/19 | 1 | 乔恩 | 67 | W | 2 | 安东尼 | 68 | L |
美国 | 12/31/19 | 2 | 安东尼 | 68 | L | 1 | 乔恩 | 67 | W |
我怎样才能在 Pandas 中实现这一点。我尝试创建 df 的副本并重命名列,但由于唯一索引会出现错误
答案 0 :(得分:1)
让我们试试 concat
和 sort_index
:
import re
import pandas as pd
df = pd.DataFrame(
{'Location': {0: 'USA'}, 'Date': {0: '12/31/19'},
'F1_ID': {0: 1}, 'F1_Name': {0: 'Jon'}, 'F1_Height': {0: 67},
'F1_Status': {0: 'W'}, 'F2_ID': {0: 2},
'F2_Name': {0: 'Anthony'}, 'F2_Height': {0: 68},
'F2_Status': {0: 'L'}})
# Columns Not To Swap
keep_columns = ['Location', 'Date']
# Get F1 and F2 Column Names
f1_columns = list(filter(re.compile(r'F1_').search, df.columns))
f2_columns = list(filter(re.compile(r'F2_').search, df.columns))
# Create Inverse DataFrame
inverse_df = df[[*keep_columns, *f2_columns, *f1_columns]]
# Set Columns so they match df (prevents concat from un-inverting)
inverse_df.columns = df.columns
# Concat and sort index
new_df = pd.concat((df, inverse_df)).sort_index().reset_index(drop=True)
print(new_df.to_string())
来源:
Location Date F1_ID F1_Name F1_Height F1_Status F2_ID F2_Name F2_Height F2_Status
0 USA 12/31/19 1 Jon 67 W 2 Anthony 68 L
输出:
Location Date F1_ID F1_Name F1_Height F1_Status F2_ID F2_Name F2_Height F2_Status
0 USA 12/31/19 1 Jon 67 W 2 Anthony 68 L
1 USA 12/31/19 2 Anthony 68 L 1 Jon 67 W