我有如下 xlsx 數(shù)據(jù)。 Q1 Q1 Q1 Q2 Q2 Q2 V1 V2 V3 V1 V2 V3 Ram 11 19 10 10 12 14 Syam 11 19 10 10 12 14我必須將其轉(zhuǎn)換為以下格式。 V1 V2 V3 Ram Q1 11 19 10Syam Q1 11 19 10 Ram Q2 10 12 14Syam Q2 10 12 14我無權(quán)更改源格式。我已經(jīng)嘗試過如下。df=pd.read_excel(path,sheet_name='Sheet1',header=[0,1],index=[0,1])df.stack(level=0)但它不起作用，因?yàn)榈谝恍袉卧癫皇呛喜⒏袷?。尋找任?pandas 函數(shù)來實(shí)現(xiàn)此目的
2 回答
九州編程
TA貢獻(xiàn)1785條經(jīng)驗(yàn) 獲得超4個(gè)贊
index_col=0讀入數(shù)據(jù)時(shí)可以設(shè)置。然后執(zhí)行操作：.stack(0)和reset_index()。傳遞0in.stack(0)確保您將Vs 放在列上，將Qs 放在行上，反之亦然stack(1)，因?yàn)槟牧兄杏袃尚械亩嘀厮饕?/p>
df = (pd.read_excel('Desktop\Book1.xlsx',header=[0,1], index_col=0).stack(0).reset_index()
.rename({'level_0' : '', 'level_1' : ''}, axis=1))
df
Out[1]:
V1 V2 V3
0 Ram Q1 11 19 10
1 Ram Q2 10 12 14
2 Syam Q1 11 19 10
3 Syam Q2 10 12 14
桃花長相依
TA貢獻(xiàn)1860條經(jīng)驗(yàn) 獲得超8個(gè)贊
您好，歡迎來到 StackOverflow！
以下是我為此尋找解決方案所取得的進(jìn)展。
首先，應(yīng)讀取數(shù)據(jù)，例如將其Ram作為Syam索引列：
df?=?pd.read_excel(path,sheet_name='Sheet1',header=[0,1],index_col=0)
那么，你想要的方法是stack（重塑指南）
In [52]: df
Out[52]:
? ? ? ?Q1? ? ? ? ? Q2
? ? ? ?V1? V2? V3? V1? V2? V3
?Ram? ?11? 19? 10? 10? 12? 14
?Syam? 11? 19? 10? 10? 12? 14
In [53]: df.stack()
Out[53]:
? ? ? ? ? ? ? Q1? ?Q2
?Ram? ?V1? ? ?11? ?10
? ? ? ?V2? ? ?19? ?12
? ? ? ?V3? ? ?10? ?14
?Syam? V1? ? ?11? ?10
? ? ? ?V2? ? ?19? ?12
? ? ? ?V3? ? ?10? ?14
然而，在沒有任何參數(shù)的情況下，它會堆疊列的最后一層，正如我們所看到的，這是V. 我們想要堆疊第一層，所以需要調(diào)用df.stack(0).
然而，這樣做時(shí)，會出現(xiàn)錯(cuò)誤：ValueError: The name? ? ? ?occurs multiple times, use a level number。對我來說，這看起來像是一個(gè)pandas側(cè)面的錯(cuò)誤。
編輯： 經(jīng)過一番調(diào)查，我意識到我的級別df具有相同的名稱：
In [75]: df.columns
Out[75]:
MultiIndex([(' Q1', ' V1'),
? ? ? ? ? ? (' Q1', ' V2'),
? ? ? ? ? ? (' Q1', ' V3'),
? ? ? ? ? ? (' Q2', ' V1'),
? ? ? ? ? ? (' Q2', ' V2'),
? ? ? ? ? ? (' Q2', ' V3')],
? ? ? ? ? ?names=['? ? ?', '? ? ?'])
由（4 個(gè)空格）組成? ? 。
相反，如果我們確保級別具有不同的名稱：
In [89]: df.columns.names = ['H1', 'H2']
In [90]: df
Out[90]:
H1? ? Q1? ? ? ? ? Q2
H2? ? V1? V2? V3? V1? V2? V3
Ram? ?11? 19? 10? 10? 12? 14
Syam? 11? 19? 10? 10? 12? 14
那么我們就可以正確應(yīng)用df.stack(0)：
In [91]: df.stack(0)
Out[91]:
H2? ? ? ? ?V1? ?V2? ?V3
? ? ? H1
Ram? ?Q1? ?11? ?19? ?10
? ? ? Q2? ?10? ?12? ?14
Syam? Q1? ?11? ?19? ?10
? ? ? Q2? ?10? ?12? ?14
添加回答
舉報(bào)
0/150
提交
取消