有没有一种方法可以将Panda中的多个列组合在一起，将某些列中的所有数据连接到一列中(12列为1列)

Question

我希望这个问题很清楚，但我正在调查Zillow房屋销售数据，并遇到了一个问题，即能够将某些年份的所有月份合并为新申报的"；年份"；变量这应该基本上桶所有的数据，有1月，2月，3月。。。等等仅YY。

我尝试过Pandas内置的函数，例如Stack((&Pivot((，而这些似乎都不起作用。

如果没有可行的方法，我有什么选择？提前感谢！

示例：取第1列="1996年1月31日">和第2列=<em"1996年2月28日">12/31/1996'，并合并为一个新的名为Y1996的列。这将比每月细分更容易分析。

我的代码：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt 
%matplotlib inline
zil = pd.read_csv('zillow.csv')
df_zil = pd.DataFrame(df_zil)
df_zil.head(4)
#My attempt at merging into one
y1996 = (df_zil['1/31/1996'] + df_zil['3/31/1996'] + df_zil['4/30/1996'] + df_zil['5/31/1996'] + 
df_zil['6/30/1996'] + df_zil['7/31/1996'] + df_zil['8/31/1996'] + df_zil['9/30/1996'] + 
df_zil['10/31/1996'] + df_zil['11/30/1996'] + df_zil['12/31/1996'])

如何通过excel格式化数据的屏幕截图——从第一列开始

Zillow数据参考：https://www.zillow.com/research/data/

Answer 1

我认为你需要一个与枢轴相反的东西——融化。您的数据在"；宽"；格式，并且如果将数据转换为"；"高"；总体安排一旦你有了高格式的数据，你就可以使用groupby来汇总同一年内的值。

我下载了房屋库存和销售数据集，并编写了一个简短的程序来总结同一年的所有价值。

代码：

import pandas as pd
df = pd.read_csv("Metro_invt_fs_uc_sfrcondo_smoothed_month.csv")
# Take all of the columns after the index and convert them into additional rows
df = df.melt(id_vars=["RegionID", "SizeRank", "RegionName", "RegionType", "StateName"], var_name="Date")
# Drop date, but keep year
df["Year"] = pd.to_datetime(df["Date"]).dt.year
df = df.drop("Date", axis="columns")
# Aggregate each year
df = df.groupby(["RegionID", "SizeRank", "RegionName", "RegionType", "StateName", "Year"], as_index=False).sum()
print(df)

输出：

RegionID  SizeRank                         RegionName RegionType StateName  Year    value
0      394304        74                          Akron, OH        Msa        OH  2017   3576.0
1      394304        74                          Akron, OH        Msa        OH  2018  42625.0
2      394304        74                          Akron, OH        Msa        OH  2019  39078.0
3      394304        74                          Akron, OH        Msa        OH  2020  21532.0
4      394308        60                         Albany, NY        Msa        NY  2017   2969.0
..        ...       ...                                ...        ...       ...   ...      ...
475    753906        75  North Port-Sarasota-Bradenton, FL        Msa        FL  2020  73953.0
476    753924        54                 Urban Honolulu, HI        Msa        HI  2017   3735.0
477    753924        54                 Urban Honolulu, HI        Msa        HI  2018  50079.0
478    753924        54                 Urban Honolulu, HI        Msa        HI  2019  57413.0
479    753924        54                 Urban Honolulu, HI        Msa        HI  2020  35522.0
[480 rows x 7 columns]