Pandas在不手动指定级别的情况下在多索引列上融化(Python 3.5.1)

Question

我有一个Pandas DataFrame，看起来像：

df = pd.DataFrame({'col1': {0: 'a', 1: 'b', 2: 'c'},
                   'col2': {0: 1, 1: 3, 2: 5},
                   'col3': {0: 2, 1: 4, 2: 6},
                   'col4': {0: 3, 1: 6, 2: 2},
                   'col5': {0: 7, 1: 2, 2: 3},
                   'col6': {0: 2, 1: 9, 2: 5},
                  })
df.columns = [list('AAAAAA'), list('BBCCDD'), list('EFGHIJ')]

    A
    B       C       D
    E   F   G   H   I   J
0   a   1   2   3   7   2
1   b   3   4   6   2   9
2   c   5   6   2   3   5

我基本上只想melt数据帧，这样每个列级别都变成一个新列。换句话说，我可以很简单地用pd.melt():实现我想要的东西

pd.melt(df, value_vars=[('A', 'B', 'E'),
                        ('A', 'B', 'F'),
                        ('A', 'C', 'G'),
                        ('A', 'C', 'H'),
                        ('A', 'D', 'I'),
                        ('A', 'D', 'J')])

然而，在我的实际用例中，有许多初始列（远远超过6个），如果我能使其可推广，那就太好了，这样我就不必在value_vars中精确地指定元组。有没有一种方法可以概括地做到这一点？我基本上是在寻找一种方法来告诉pd.melt，我只想将value_vars设置为元组列表，其中在每个元组中，第一个元素是第一列级别，第二个是第二列级别，而第三个元素是第三列级别。

Answer 1

如果未指定value_vars，则默认使用所有列（未指定为id_vars）：

In [10]: pd.melt(df)
Out[10]: 
   variable_0 variable_1 variable_2 value
0           A          B          E     a
1           A          B          E     b
2           A          B          E     c
3           A          B          F     1
4           A          B          F     3
...

但是，如果出于某种原因确实需要生成列元组列表，则可以使用df.columns.tolist():

In [57]: df.columns.tolist()
Out[57]: 
[('A', 'B', 'E'),
 ('A', 'B', 'F'),
 ('A', 'C', 'G'),
 ('A', 'C', 'H'),
 ('A', 'D', 'I'),
 ('A', 'D', 'J')]
In [56]: pd.melt(df, value_vars=df.columns.tolist())
Out[56]: 
   variable_0 variable_1 variable_2 value
0           A          B          E     a
1           A          B          E     b
2           A          B          E     c
3           A          B          F     1
4           A          B          F     3
...

Answer 2

我也有同样的问题，但我的基本数据集实际上只是一个具有3级多索引的系列。我从这篇博客文章中找到了将一个系列"融化"为数据框架的答案：https://discuss.analyticsvidhya.com/t/how-to-convert-the-multi-index-series-into-a-data-frame-in-python/5119/2

基本上，你只需要在系列上使用DataFrame构造函数，它就可以完成你想要Melt做的事情。

pd.DataFrame(series)

Answer 3

我尝试使用pd.melt()，但未能使其正常运行。我发现使用df.unstack()要容易得多，它将其完全修改为长格式，然后使用df.pivot()将其转换回所需的格式。这些链接可能会有所帮助：

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.unstack.htmlhttps://pandas.pydata.org/docs/reference/api/pandas.DataFrame.pivot.html