熊猫为每一栏添加行

Question

我为这个头衔道歉，我知道这不是最有帮助的。我想要做的是重组我的数据，以便给定列中的每个列都有自己的行，其中包含从前一个dataframe转来的某些值。

我当前形式的数据如下所示：

ColA | ColB | ColC | val1 | val2 | val3
   1 |    2 |    3 | A    | B    | C
   4 |    5 |    6 | D    | E    | F

我想重组它，这样我就能得到这样的结果：

 ColA | ColB | ColC | val
    1 |    2 |    3 | A
    1 |    2 |    3 | B
    1 |    2 |    3 | C
    4 |    5 |    6 | D 
    4 |    5 |    6 | E 
    4 |    5 |    6 | F 

我该怎么做？

我知道我可以浏览每一行，获取相关的数据，并获得一个数据，但我希望有一个更好的选择。

Answer 1

给予：

   ColA  ColB  ColC val1 val2 val3
0     1     2     3    A    B    C
1     4     5     6    D    E    F

做：

df.melt(['ColA', 'ColB', 'ColC'])

输出：

   ColA  ColB  ColC variable value
0     1     2     3     val1     A
1     4     5     6     val1     D
2     1     2     3     val2     B
3     4     5     6     val2     E
4     1     2     3     val3     C
5     4     5     6     val3     F

Answer 2

我认为下面的代码可以解决您的问题。我用您提供的示例数据创建了一个示例。代码涉及数据文件和列的堆叠和合并。

df_start = pd.DataFrame()

df_start = df_start.append([[1, 2, 3, "A", "B", "C"], [4, 5, 6, "D", "E", "F"]])
df_start = df_start.rename(columns={0: "ColA", 1: "ColB", 2: "ColC", 3: "val1", 4: "val2", 5: "val3"})
df_start["vals"] = df_start.values.tolist()
df_start["vals"] = df_start["vals"].apply(lambda x: x[3:])

df_ = df_start["vals"].apply(pd.Series).stack().reset_index(level=1, drop=True).to_frame('val')
result_df = pd.merge(df_, df_start, left_index=True, right_index=True)

result_df = result_df.iloc[:, [1, 2, 3, 0]]
result_df