重新格式化数据框架的索引

Question

我有一个数据帧(df)，每行有一年:

Jan       Feb       Mar       Apr  ...       Aug       Sep       Oct       Nov       Dec
2021  0.852144  0.406946  0.067136  0.686585  ...  0.839023  0.803384  0.506883  0.829171  0.214810
2022  0.442388  0.296960  0.751213  0.690898  ...  0.701342  0.924836  0.534601  0.601725  0.673403

我想要重新格式化，以便有一行所有月份/年份按顺序排列(其中每行的索引如果是mmm yyyy格式)，所以它看起来像:

0
Jan 2021    0.852144
Feb 2021    0.406945
Mar 2021    0.067136
Apr 2021    0.686585
...         ...
Aug 2022    0.701342
Sep 2022    0.924836
Oct 2022    0.534601
Nov 2022    0.601725
Dec 2022    0.673403

我用过:

df = df.unstack().to_frame().T.sort_index(0,1).T

，但我不能得到索引格式正确的所有行(希望mmm yyyy为每一行索引-目前只返回月份为备用行)

0 
Jan  2021  0.852144 
2022  0.442388 
Feb  2021  0.406946 
2022  0.296960 
Mar  2021  0.067136 
2022  0.751213 
Apr  2021  0.686585 
2022  0.690898 
...       ...
Aug  2021  0.839023 
2022  0.701342 
Sep  2021  0.803384 
2022  0.924836 
Oct  2021  0.506883 
2022  0.534601 
Nov  2021  0.829171 
2022  0.601725 
Dec  2021  0.214810 
2022  0.673403 

Answer 1

如果需要平整化MultiIndex，则使用Index.map，不需要进行转置排序:

df = df.unstack().to_frame()
df.index = df.index.map(lambda x: f'{x[0]} {x[1]}')

或者使用DataFrame.melt:

df = df.melt(ignore_index=False, value_name=0)
df.index = df.pop('variable') + ' ' + df.index.astype(str)
print (df)
0
Jan 2021  0.852144
Jan 2022  0.442388
Feb 2021  0.406946
Feb 2022  0.296960
Mar 2021  0.067136
Mar 2022  0.751213
Apr 2021  0.686585
Apr 2022  0.690898
Aug 2021  0.839023
Aug 2022  0.701342
Sep 2021  0.803384
Sep 2022  0.924836
Oct 2021  0.506883
Oct 2022  0.534601
Nov 2021  0.829171
Nov 2022  0.601725
Dec 2021  0.214810
Dec 2022  0.673403

如果需要按日期时间排序，使用DataFrame.sort_index和key参数:

df = df.sort_index(key=lambda x: pd.to_datetime(x))
print (df)
0
Jan 2021  0.852144
Feb 2021  0.406946
Mar 2021  0.067136
Apr 2021  0.686585
Aug 2021  0.839023
Sep 2021  0.803384
Oct 2021  0.506883
Nov 2021  0.829171
Dec 2021  0.214810
Jan 2022  0.442388
Feb 2022  0.296960
Mar 2022  0.751213
Apr 2022  0.690898
Aug 2022  0.701342
Sep 2022  0.924836
Oct 2022  0.534601
Nov 2022  0.601725
Dec 2022  0.673403

与DataFrame.stack相同的输出:

df = df.stack().to_frame()
#swapped levels
df.index = df.index.map(lambda x: f'{x[1]} {x[0]}')