我有一个有 26 列的 excel。
Date
、Unique ID
和H01
、H02
、H03
...H24
这里 H{n} 表示小时,即对于 UIDsome_code
在19/7/2017 01.00.00
的值是199
。在19/7/2017 02.00.00
,价值是7
等。
+--------------------+---------------+----------+---------------+
| Date | UID | H01 | H02 |
+--------------------+---------------+----------+---------------+
| 19/7/2017 00.00.00 | some_code | 199 | 7 |
| 19/7/2017 00.00.00 | another_code | 164 | 18 |
| 19/7/2017 00.00.00 | new_code | 209 | 1 |
| 19/7/2017 00.00.00 | code_5 | 85 | 4 |
| 19/7/2017 00.00.00 | what | 45 | 6 |
我正在阅读 excel 并创建一个类似于上面的数据帧。
我想修改此数据帧,以便如下所示。
+--------------------+---------------+----------+
| Date | UID | Value |
+--------------------+---------------+----------+
| 19/7/2017 01.00.00 | some_code | 199 |
| 19/7/2017 02.00.00 | some_code | 7 |
| 19/7/2017 03.00.00 | some_code | ... |
.................................................
.................................................
| 19/7/2017 00.00.00 | some_code | ... |
| 19/7/2017 01.00.00 | another_code | 164 |
| 19/7/2017 02.00.00 | another_code | 18 |
| 19/7/2017 03.00.00 | another_code | ...|
.................................................
.................................................
| 19/7/2017 00.00.00 | another_code | ...|
我是Python和Pandas的新手,无法理解堆栈/取消堆栈/枢轴。
您可以使用:
- 首先转换
Date
to_datetime
- 按
set_index
创建MultiIndex
- 所有其他列都是H
列 extract
数字并转换为to_timedelta
- 通过
stack
重塑 - 将带有
timedeltas
的列添加到日期,并按drop
将其删除
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y %H.%M.%S')
df = df.set_index(['Date','UID'])
df.columns=pd.to_timedelta(df.columns.str.extract('(d+)',expand=False).astype(int),unit='H')
df = df.stack().reset_index(name='Value')
df['Date'] = df['Date'] + df['level_2']
df = df.drop('level_2', axis=1)
print (df)
Date UID Value
0 2017-07-19 01:00:00 some_code 199
1 2017-07-19 02:00:00 some_code 7
2 2017-07-19 01:00:00 another_code 164
3 2017-07-19 02:00:00 another_code 18
4 2017-07-19 01:00:00 new_code 209
5 2017-07-19 02:00:00 new_code 1
6 2017-07-19 01:00:00 code_5 85
7 2017-07-19 02:00:00 code_5 4
8 2017-07-19 01:00:00 what 45
9 2017-07-19 02:00:00 what 6
对于相同格式的日期,请添加dt.strftime
:
...
df['Date'] = (df['Date'] + df['level_2']).dt.strftime('%d/%m/%Y %H.%M.%S')
df = df.drop('level_2', axis=1)
print (df)
Date UID Value
0 19/07/2017 01.00.00 some_code 199
1 19/07/2017 02.00.00 some_code 7
2 19/07/2017 01.00.00 another_code 164
3 19/07/2017 02.00.00 another_code 18
4 19/07/2017 01.00.00 new_code 209
5 19/07/2017 02.00.00 new_code 1
6 19/07/2017 01.00.00 code_5 85
7 19/07/2017 02.00.00 code_5 4
8 19/07/2017 01.00.00 what 45
9 19/07/2017 02.00.00 what 6