Skip to main content
 首页 » 编程设计

python之如何在 Python 3 中使用 "melt" `pandas.DataFrame` 对象

2025年04月02日8itcoder

我正在尝试融化 pd.DataFrame 的某些列,同时保留其他列。在这种情况下,我想将 melt sine 和 cosine 列转换为 values 然后它们来自哪一列(即 sine 或 cosine) 到名为 data_type 的新列中,然后保留原始的 desc 列。

如何使用 pd.melt 来实现这一点,而无需手动熔化和连接每个组件?

# Data 
a = np.linspace(0,2*np.pi,100) 
DF_data = pd.DataFrame([a, np.sin(np.pi*a), np.cos(np.pi*a)], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T 
DF_data["desc"] = ["info about this" for _ in DF_data.index] 

我做的绕圈子:

# Melt each part 
DF_melt_A = pd.DataFrame([DF_data["t"], 
                          DF_data["sine"], 
                          pd.Series(DF_data.shape[0]*["sine"], index=DF_data.index, name="data_type"),  
                          DF_data["desc"]]).T.reset_index() 
DF_melt_A.columns = ["idx","t","values","data_type","desc"] 
DF_melt_B = pd.DataFrame([DF_data["t"], 
                          DF_data["cosine"], 
                          pd.Series(DF_data.shape[0]*["cosine"], index=DF_data.index, name="data_type"), 
                          DF_data["desc"]]).T.reset_index() 
DF_melt_B.columns = ["idx","t","values","data_type","desc"] 
 
# Merge 
pd.concat([DF_melt_A, DF_melt_B], axis=0, ignore_index=True) 

如果我执行 pd.melt(DF_data 我会完全崩溃

回应评论:

请您参考如下方法:

好吧,所以我不得不创建一个类似的 df,因为我无权访问您的 a 变量。我将列表的 a 变量从 0 更改为 99...所以 t 将为 0 到 99

你可以这样做:

a = range(0, 100) 
DF_data = pd.DataFrame([a, [np.sin(x)for x in a], [np.cos(x)for x in a]], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T 
DF_data["desc"] = ["info about this" for _ in DF_data.index] 
 
df = pd.melt(DF_data, id_vars=['t','desc']) 
df.head(5) 

这应该会返回您要查找的内容。

     t             desc variable     value 
0  0.0  info about this     sine  0.000000 
1  1.0  info about this     sine  0.841471 
2  2.0  info about this     sine  0.909297 
3  3.0  info about this     sine  0.141120 
4  4.0  info about this     sine -0.756802