从行创建表

Question

与this question相关，我一直试图使用melt，但没有成功。

我有一个1行的DataFrame，如下所示：

   A   B   C   total   date   A_size   B_size   C_size   total_size
0  4   2   5    11 2019-01-01  123      456      789        1368

我想把它变成这样(现在我不再关心date了)：

      Values     Sizes
A        4        123
B        2        456
C        5        789
total    11       1368

我有一些非常讨厌的东西做这项工作，但它不灵活。我希望能够添加D和D_size，而不必修改下游代码。

黑客代码：

def format_table(todays_metadata: pd.DataFrame):
    todays_metadata_reformat = todays_metadata.loc[:, 'A':'total'] # hardcoded 'A'
    todays_metadata_reformat.index = ['Values']
    sizes = todays_metadata.loc[:, 'A_size':'total_size'] # hardcoded 'A_size'
    sizes.index = ['Sizes']
    sizes.columns = todays_metadata_reformat.columns
    todays_metadata_reformat = 
    todays_metadata_reformat.append(sizes).transpose()
    return todays_metadata_reformat

Answer 1

您可以通过total检查pd.Index.get_loc列的位置索引，并创建切片：

df1=df.drop('date',1)
i=df1.columns[:df1.columns.get_loc('total')+1] # ['A', 'B', 'C', 'total']
j=df1.columns[df1.columns.get_loc('total')+1:] #['A_size','B_size','C_size','total_size']

然后融化和碰撞：

m=df1[j].melt(value_name='size')
m.index=m.pop('variable').str.split('_').str[0]
pd.concat([df1[i].melt().set_index('variable'),m],axis=1)

编辑：

另一种使用df.filter()的方法

df1=df.drop('date',1)
m=df.filter(like='size')

x=df1[df1.columns.difference(m.columns,sort=False)].melt().set_index('variable')
y=m.rename(columns=lambda x: x.split('_')[0]).melt(value_name='Sizes').set_index('variable')
print(pd.concat([x,y],axis=1))

           value  Sizes
variable              
A             4    123
B             2    456
C             5    789
total        11   1368