我擁有的？我有一個(gè) csv 文件，如下所示：------------------------------------------| | | 2017 | 2018 | 2019| x | England | 70 | 80 | 90| | param1 | 20 | 30 | 40| | param2 | 25 | 35 | 45| | param3 | 25 | 15 | 5| y | England | 60 | 50 | 60| | param1 | 10 | 25 | 10| | param2 | 20 | 25 | 20| | param3 | 30 | 0 | 30| x | US | 10 | 20 | 30| | param1 | 3 | 5 | 10| | param2 | 3 | 10 | 10| | param3 | 4 | 5 | 10| y | US | 60 | 50 | 60| | param1 | 10 | 25 | 10| | param2 | 20 | 25 | 20| | param3 | 30 | 0 | 30.........------------------------------------------我想要得到什么？我想得到一個(gè)像這樣的數(shù)據(jù)框：對(duì)于 param(i) 的每個(gè)值我想要一行------------------------------------------country | type | param | year | value England | x | param1| 2017 | 20England | x | param1| 2018 | 30England | x | param1| 2019 | 40England | x | param2| 2017 | 25England | x | param2| 2018 | 35England | x | param2| 2019 | 45England | x | param3| 2017 | 25 England | x | param3| 2018 | 15England | x | param3| 2019 | 5England | y | param1| 2017 | 10England | y | param1| 2018 | 25England | y | param1| 2019 | 10England | y | param2| 2017 | 20England | y | param2| 2018 | 25England | y | param2| 2019 | 20England | y | param3| 2017 | 30England | y | param3| 2018 | 0 England | y | param3| 2019 | 30.........------------------------------------------請(qǐng)注意，我不需要縣行的值我想做什么？首先填寫x/y類型刪除包含國(guó)家/地區(qū)的行并添加名為“county”的列以及國(guó)家/地區(qū)名稱使用pivot更改表以獲得正確的df我有什么問題？如何用 pandas 輕松填充類型？如何將正確的縣添加到正確的行？我可以使用 pandas hub 來獲得我想要的東西還是有更好的方法？謝謝
1 回答
滄海一幻覺
TA貢獻(xiàn)1824條經(jīng)驗(yàn) 獲得超5個(gè)贊
reset_index那么我們來嘗試一下melt：
param_list = ['param1','param2','param3']
s=(df.rename_axis(['country','type'])
.reset_index()
)
mask=s['type'].isin(param_list)
s['country'] = s['type'].mask(mask).ffill()
out = s[mask].melt(['country','type'], var_name='year')
輸出：
country type year value
0 England param1 2017 20
1 England param2 2017 25
2 England param3 2017 25
3 England param1 2017 10
4 England param2 2017 20
5 England param3 2017 30
6 US param1 2017 3
7 US param2 2017 3
8 US param3 2017 4
9 US param1 2017 10
10 US param2 2017 20
11 US param3 2017 30
12 England param1 2018 30
13 England param2 2018 35
14 England param3 2018 15
15 England param1 2018 25
16 England param2 2018 25
17 England param3 2018 0
18 US param1 2018 5
19 US param2 2018 10
20 US param3 2018 5
21 US param1 2018 25
22 US param2 2018 25
23 US param3 2018 0
24 England param1 2019 40
25 England param2 2019 45
26 England param3 2019 5
27 England param1 2019 10
28 England param2 2019 20
29 England param3 2019 30
30 US param1 2019 10
31 US param2 2019 10
32 US param3 2019 10
33 US param1 2019 10
34 US param2 2019 20
35 US param3 2019 30
添加回答
舉報(bào)
0/150
提交
取消