如何通过pandas将宽表转换为窄表？

本文共计563个文字，预计阅读时间需要3分钟。

我这就简短改写一下开头内容，不超过100字：

废话不多说，直接看代码吧！pythonimport pandas as pd

我就废话不多说了，还是直接看代码吧！

import pandas as pd # 伪造一些数据 fake_data = {'subject':['math', 'english'], 'A': [88, 90], 'B': [70, 80], 'C': [60, 78]} # 宽表 test = pd.DataFrame(fake_data, columns=['subject', 'A', 'B', 'C']) test subject A B C 0 math 88 70 60 1 english 90 80 78 # 转换为窄表 pd.melt(test, id_vars=['subject']) subject variable value 0 math A 88 1 english A 90 2 math B 70 3 english B 80 4 math C 60 5 english C 78

补充知识：pandas从单条目数据集生成宽表

需求

场景

从医院数据库中导出了大量的体检数据，但体检数据表中，每一行代表某人某次体检的某一项体检的结果。目的想将每一个人的每一次体检结果作为一行存储，每一列为体检项。

示例

StuID Type Num 0 111021 Math 89 1 111021 English 93 2 312983 English 91 3 314621 English 82 4 314621 Math 92 5 112341 Math 82

目的：转换成如下表格

StuID English Math 0 111021 93 89 1 312983 91 NaN 2 314621 82 92 3 112341 NaN 82

方案一

具体代码如下

#将'B'列的类别调整为行。 #1 num = df[~df.duplicated(subset=['StuID'])].loc[:,'StuID'].to_list() #2 result_df = pd.DataFrame({'StuID': np.array(num)},columns=['StuID','English','Math']) #3 for i in df.index: t = df.loc[i,'Type'] num = df.loc[i,'StuID'] result_df.loc[result_df['StuID'] == num,[t]] = df.loc[i,'Num'] print(result_df)

结果

以上这篇pandas使用之宽表变窄表的实现就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。