我有一张看起来像这样的 table 。从 CSV 文件中读取，因此没有级别、没有花哨的索引等。
ID date1 amount1 date2 amount2
x 15/1/2015 100 15/1/2016 80
我的实际文件是最新的 5 和数量 5。 我如何将其转换为:
ID date amount
x 15/1/2015 100
x 15/1/2016 80
如果我只有一个变量，我会使用 pandas.melt()，但如果有两个变量，我真的不知道如何快速完成。
我可以手动导出到内存中的 sqlite3 数据库，然后进行合并。在 pandas 中做联合更烦人，因为与 SQL 不同，它要求所有字段名称都相同，所以在 pandas 中我必须创建一个临时数据框并重命名所有字段:date1 和 amount1 的数据框，重命名字段设置为日期和金额，然后对所有其他事件执行相同的操作，然后我才能执行 pandas.concat。
有什么建议吗？谢谢!
请您参考如下方法:
这是一种方法:
>>> pandas.concat(
... [pandas.melt(x, id_vars='ID', value_vars=x.columns[1::2].tolist(), value_name='date'),
... pandas.melt(x, value_vars=x.columns[2::2].tolist(), value_name='amount')
... ],
... axis=1
... ).drop('variable', axis=1)
ID date amount
0 x 15/1/2015 100
1 x 15/1/2016 80
想法是进行两次熔化，每组列一次熔化，然后将它们连接起来。这假设这两种列是交替排列的，以便 columns[1::2] 和 columns[2::2] 正确选择它们。如果没有，您必须修改它的那部分以选择您想要的列。
您也可以使用鲜为人知的 lreshape 来实现:
>>> pandas.lreshape(x, {'date': x.columns[1::2], 'amount': x.columns[2::2]})
ID date amount
0 x 15/1/2015 100
1 x 15/1/2016 80
但是，lreshape 并没有真正的文档记录，也不清楚是否应该使用它。
