pandas 行转列

可以使用 pandas 的 `melt()` 函数将行转列。具体操作步骤如下：

1. 先使用 pandas 读取数据，并将需要转换的列指定为索引列。

   import pandas as pd
   
   # 读取数据
   df = pd.read_csv('data.csv')
   
   # 将需要转换的列指定为索引列
   df.set_index(['id', 'name'], inplace=True)

2. 使用 `melt()` 函数将行转列。

   # 使用 melt() 函数将行转列
   df = df.reset_index().melt(id_vars=['id', 'name'], var_name='variable', value_name='value')

3. 最后再将索引列重新设置回来。

   # 将索引列重新设置回来
   df.set_index(['id', 'name', 'variable'], inplace=True)

这样就可以将行转列了。

相关问题

pandas 行转列

在pandas中，可以使用melt函数将行转换为列。melt函数的主要参数包括frame、id_vars、value_vars、var_name、value_name、ignore_index和col_level。

1. frame：要转换的数据框。
2. id_vars：要保留的列，不进行转换。
3. value_vars：要进行转换的列。
4. var_name：转换后的列名。
5. value_name：转换后的值名。
6. ignore_index：是否重置索引。
7. col_level：如果列是多级索引，则指定要转换的级别。

下面是一个示例，演示如何使用melt函数将行转换为列：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['John', 'Mike', 'Sarah'],
        'Math': [90, 85, 95],
        'English': [80, 75, 85],
        'Science': [95, 90, 92]}
df = pd.DataFrame(data)

# 使用melt函数将行转换为列
df_melted = pd.melt(df, id_vars=['Name'], value_vars=['Math', 'English', 'Science'], var_name='Subject', value_name='Score')

# 打印转换后的数据框
print(df_melted)

输出结果如下：

    Name  Subject  Score
0   John     Math     90
1   Mike     Math     85
2  Sarah     Math     95
3   John  English     80
4   Mike  English     75
5  Sarah  English     85
6   John  Science     95
7   Mike  Science     90
8  Sarah  Science     92

这个示例中，我们创建了一个包含姓名、数学、英语和科学成绩的数据框。然后，使用melt函数将数学、英语和科学成绩这三列转换为Subject和Score两列，保留了姓名这一列。最后，打印转换后的数据框。

pandas行转列操作

pandas中的行转列操作可以使用`melt()`函数或`pivot_table()`函数来实现。`melt()`函数将DataFrame中的一列或多列展开成行，而`pivot_table()`函数将行数据重新组织为列数据。

使用`melt()`函数的方法如下所示：

df2 = pd.melt(df.reset_index(), id_vars='index', value_vars=['A','B'])

其中，`df`是要操作的DataFrame，`reset_index()`函数用于重置索引，`id_vars`参数指定要保留的列，`value_vars`参数指定要展开的列。

使用`pivot_table()`函数的方法如下所示：

df1 = pd.pivot_table(df, index='1', values='3', columns='2')

其中，`df`是要操作的DataFrame，`index`参数指定分组的列，`values`参数指定要填充的数据列，`columns`参数指定结果中的列名。