如何将熊猫中的数据转换成便于过滤和比较的数据集？

Question

我有以下DataFrame：

Segments    Airline_pct_tesco   Airline_pct_asda    food_pct_tesco  food_pct_asda   Airline_diff    food_diff
        A   1                       2                   4               2               -1              2
        B   2                       2                   4               4               0               0
        c   10                      5                   12              10              5               2

我想把它转换成这样的格式：

Segments    Category    Asda%   Tesco%  Diff%
A           Airline     2       1       -1
b           Food        4       4       0
c           Airline     5       10      5
A           Food        2       4       2

(仅部分显示)。注类别是没有“_pct_tesco”、“_diff”或“_pct_asda”的中文名称。

我不知道该如何做-我尝试过转换，但我只是不知道如何才能以一种任何用户都很容易使用的方式。我在熊猫身上做这件事，我不知道怎么开始！Asda%与“_pct_asda”列相关，对于diff和tesco列则相同。

Answer 1

让我们尝试set_index保存列，然后在列上使用str.extract创建一个MultiIndex，根据后缀列表前的值创建MultiIndex，然后stack使用长表单。

new_df = df.set_index('Segments')
# Define allowed suffixes here
suffixes = ['_pct_asda', '_pct_tesco', '_diff']
# Extract Values
new_df.columns = (
    pd.MultiIndex.from_frame(
        new_df.columns.str.extract(rf'(.*?)({"|".join(suffixes)})'),
        names=['Category', None]
    )
)
new_df = new_df.stack(0)

new_df

                   _diff  _pct_asda  _pct_tesco
Segments Category                              
A        Airline      -1          2           1
         food          2          2           4
B        Airline       0          2           2
         food          0          4           4
c        Airline       5          5          10
         food          2         10          12

为了获得更清晰的输出，添加reset_index + rename来修复列名和索引，并重新排序列。

new_df = new_df.reset_index().rename(columns={
    '_pct_asda': 'Asda%',
    '_pct_tesco': 'Tesco%',
    '_diff': 'Diff%'
})[['Segments', 'Category', 'Asda%', 'Tesco%', 'Diff%']]

new_df

  Segments Category  Asda%  Tesco%  Diff%
0        A  Airline      2       1     -1
1        A     food      2       4      2
2        B  Airline      2       2      0
3        B     food      4       4      0
4        c  Airline      5      10      5
5        c     food     10      12      2