创建df，该df保存另一个dataframe的列名和相应的值。

Question

我创建了以下名为df的数据

       col1  col2  col3
    0     4     5     2
    1     5     2     4
    2     3    10     3
    3     6     2     2
    4     3     2     4 

我现在想要的是翻转行，使df看起来如下：

         column_name  value
    0        col1      4
    1        col2      5
    2        col3      2
    3        col1      5
    4        col2      2
    5        col3      4
   ...       ...      ...

我想我需要使用堆栈()，但我不确定如何使用。我试过以下几种方法

df = df.stack().rename_axis(['column_name']).reset_index(name = 'value')

但这将返回以下错误

raise ValueError('Length of names must match number of levels in '
ValueError: Length of names must match number of levels in MultiIndex.

问题：如何对值进行堆栈以获得所需的数据？

Answer 1

在这里，有必要使用带有MultiIndex的reset_index来删除drop=True的第一级

df = (df.stack()
        .reset_index(level=0, drop=True)
        .rename_axis(['column_name'])
        .reset_index(name = 'value'))
print (df)
   column_name  value
0         col1      4
1         col2      5
2         col3      2
3         col1      5
4         col2      2
5         col3      4
6         col1      3
7         col2     10
8         col3      3
9         col1      6
10        col2      2
11        col3      2
12        col1      3
13        col2      2
14        col3      4

另一个解决方案是melt，值的顺序发生了变化：

df = df.melt(var_name='column_name')
print (df)
   column_name  value
0         col1      4
1         col1      5
2         col1      3
3         col1      6
4         col1      3
5         col2      5
6         col2      2
7         col2     10
8         col2      2
9         col2      2
10        col3      2
11        col3      4
12        col3      3
13        col3      2
14        col3      4

Answer 2

如果行的顺序不重要，可以直接使用pd.melt：

res = pd.melt(df, var_name='column_name')

如果希望按输入行进行排序，可以使用pd.melt和reset_index将索引提升到一个系列，然后使用sort_values

res = pd.melt(df.reset_index(), id_vars='index', var_name='column_name')\
        .sort_values('index').drop('index', 1).reset_index(drop=True)

print(res)

   column_name  value
0         col1      4
1         col2      5
2         col3      2
3         col1      5
4         col2      2
5         col3      4
6         col1      3
7         col2     10
8         col3      3
9         col1      6
10        col2      2
11        col3      2
12        col1      3
13        col2      2
14        col3      4