панди перетворюють деякі стовпці в рядки

Тож мій набір даних містить деяку інформацію за місцеположенням для п яти дат. Проблема полягає в тому, що кожна дата насправді відрізняється заголовком стовпця. Наприклад, виглядає CSV

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

Я хотів би, щоб це виглядало

location    name    Date        Value
A           "test"  Jan-2010    12       
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18       
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

Проблема в тому, що я не знаю, скільки дат у колонці (хоча я знаю, що вони завжди почнуться після імені)

ОНОВЛЕННЯ
З версії 0.20, meltце функція першого порядку, яку тепер можна використовувати

df.melt(id_vars=["location", "name"], 
        var_name="Date", 
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

СТАРІ (ER) ВЕРСІЇ: <0,20

Ви можете використовувати, pd.meltщоб пройти більшу частину шляху, а потім сортувати:

>>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"], 
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

(Можливо, ви хочете кинути це .reset_index(drop=True), щоб зберегти чистий результат.)

Примітка : pd.DataFrame.sort застаріла на користь pd.DataFrame.sort_values.

Використовуйте set_indexз stackдля MultiIndex Series, то для DataFrameдоповнення reset_indexз rename:

df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

Напевно, я знайшов більш просте рішення

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

Складіть ціле за temp1допомогою temp2стовпця 'sname

temp1['new_column'] = temp2['name']

Тепер у вас є те, про що ви просили.

pd.wide_to_long

Ви можете додати префікс до стовпців року, а потім подати безпосередньо на pd.wide_to_long. Я не буду робити вигляд, що це ефективно , але в певних ситуаціях це може бути зручніше, ніж pd.melt, наприклад, коли ваші стовпці вже мають відповідний префікс.

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))

res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
        .sort_values(['location', 'name'])

print(res)

   name        Date location  Value
0  test    Jan-2010        A     12
2  test    Feb-2010        A     20
4  test  March-2010        A     30
1   foo    Jan-2010        B     18
3   foo    Feb-2010        B     20
5   foo  March-2010        B     25