如何在 Pandas Python 中添加"sub"数据帧或子行，每行和每个对象具有不同的操作？

Question

我有这个DataFrame:

>>> data = [['Ob01',1,2,3],['Ob02',4,5,6],['Ob03',7,8,9]]
>>> dfr = pd.DataFrame(data, columns = ['Name', 'A','B','C'])

dfr

Name  A  B  C
0  Ob01  1  2  3
1  Ob02  4  5  6
2  Ob03  7  8  9

我的问题是我需要对列"中的每个对象进行一些操作；名称"；，并且为每个对象添加新的子行。我必须对每个Object做一些运算，例如将"Object"乘以2；A"B"C"；属性，并将过去的结果除以3，但我需要在其他行中看到这些操作的结果，比如：

Name  Op    A    B    C
0  Ob01  Val   1    2    3
mul2  2    4    6 
div3 0.66 1.33  2 
1  Ob02  Val   4    5    6
mul2  8    10  12 
div3 2.66 3.33  4 
2  Ob03  Val   7    8    9
mul2  14  16   18 
div3 4.66 5.33  6 

或者，如果我为每个对象添加每个操作的列，会更好吗？无论如何，我不知道从哪里开始，我的对象列表太长了，但我想代表我的一些数据作为例子。

Answer 1

melt+pivot+stack选项：

new_df = dfr.reset_index().melt(id_vars=['index', 'Name'], value_name='Val')
new_df['mul2'] = new_df['Val'] * 2
new_df['div3'] = new_df['Val'] / 3
new_df = (
new_df.pivot(index=['index', 'Name'], columns='variable')
.stack(level=0)
.reset_index()
.set_index('index')
.rename(columns={'level_2': 'Op'})
.rename_axis(index=None, columns=None)
)

---

set_index+concat+stack:

CCD_ 7轴＝1，其中CCD_。

然后清理索引和列等：

dfr = dfr.reset_index().set_index(['index', 'Name'])
cols = ['A', 'B', 'C']
mul2 = dfr[cols] * 2
div3 = dfr[cols] / 3
new_df = (
pd.concat(
(dfr, mul2, div3),
axis=1,
keys=('Val', 'mul2', 'div3')
)
.stack(level=0)
.reset_index()
.set_index('index')
.rename(columns={'level_2': 'Op'})
.rename_axis(None)
)

new_df:

Name    Op          A          B     C
0  Ob01   Val   1.000000   2.000000   3.0
0  Ob01  div3   0.333333   0.666667   1.0
0  Ob01  mul2   2.000000   4.000000   6.0
1  Ob02   Val   4.000000   5.000000   6.0
1  Ob02  div3   1.333333   1.666667   2.0
1  Ob02  mul2   8.000000  10.000000  12.0
2  Ob03   Val   7.000000   8.000000   9.0
2  Ob03  div3   2.333333   2.666667   3.0
2  Ob03  mul2  14.000000  16.000000  18.0

Answer 2

使用set_index和pd.concat:

df = df.set_index('Name')
df = pd.concat([df.assign(OP = 'Val') , df.mul(2).assign(OP = 'mul2') , df.div(3).assign(OP = 'div3')]).sort_values('Name')

要进一步转换：

df = df.groupby([df.index,'OP']).agg(float)
df = df.convert_dtypes()

输出：

A         B   C
Name OP                          
Ob01 Val        1.0       2.0   3
div3  0.333333  0.666667   1
mul2       2.0       4.0   6
Ob02 Val        4.0       5.0   6
div3  1.333333  1.666667   2
mul2       8.0      10.0  12
Ob03 Val        7.0       8.0   9
div3  2.333333  2.666667   3
mul2      14.0      16.0  18