在python中转换具有顶部和侧面标题的表

Question

我有一个当前格式的表：

import pandas as pd

dic = {
   201801 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, },
   201802 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, },
   201803 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, }, 
   201804 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, }, 
   201805 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, }, 
   201806 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, }, 
   201807 : {'A': 2.4, 'B': 3.4, 'C': 4.4, 'D': 5.4, }, 
   }

df2 = pd.DataFrame(dic)
print(df2)

输出：

    201801  201802  201803  201804  201805  201806  201807
A     2.4     2.4     2.4     2.4     2.4     2.4     2.4
B     3.4     3.4     3.4     3.4     3.4     3.4     3.4
C     4.4     4.4     4.4     4.4     4.4     4.4     4.4
D     5.4     5.4     5.4     5.4     5.4     5.4     5.4

我想将此表转换为以下格式：

201801      A   2.4
201801      B   3.4
201801      C   4.4
201801      D   5.4
201802      A   2.4
201802      B   3.4
201802      C   4.4
201802      D   5.4
201803      A   2.4
201803      B   3.4
201803      C   4.4
201803      D   5.4
201804      A   2.4
201804      B   3.4
201804      C   4.4
201804      D   5.4

我如何使用Python Pandas来做这件事？

Answer 1

看起来你想把你的数据从宽格式转换成长格式。您可以转置数据，然后将其堆叠：

df2.T.stack()

201801  A    2.4
        B    3.4
        C    4.4
        D    5.4
201802  A    2.4
        B    3.4
        C    4.4
        D    5.4
# ...

或者，您可以使用df2.stack().swaplevel()，但默认情况下，这将按“字母”索引排序，而不是按日期排序。

比较这两种方法，第一种方法要快得多。

%timeit df2.T.stack()
693 µs ± 131 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df2.stack().swaplevel().sort_index()
2.64 ms ± 182 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

如前所述，只需使用pandas melt重塑宽到长的格式：

# RESET INDEX AS A REGULAR COLUMN
df = df.reset_index()

# MELT WIDE TO LONG FORMAT
finaldf = pd.melt(df, id_vars='index', var_name='year_month')