我有一个熊猫数据框,如下所示:
dataframe = pd.DataFrame(
{
'ID': [1,2,3,4],
'Gender': ['F','F','M','M'],
'Language': ['EN', 'ES', 'EN', 'EN'],
'Year 1': [2020,2020,2020,2020],
'Score 1': [93,97,83,86],
'Year 2': [2020,2020,None,2018],
'Score 2': [85,95,None,55],
'Year 3': [2020,2018,None,None],
'Score 3': [87,86,None,None]
}
)
ID | 性别 | 语言 | 1年级 | 得分1 | 2年级 | 得分2 | 3年级 | 得分3 |
---|---|---|---|---|---|---|---|---|
1个 | F | 在 | 2020年 | 93 | 2020年 | 85 | 2020年 | 87 |
2 | F | 它是 | 2020年 | 97 | 2020年 | 95 | 2018年 | 86 |
3 | 中号 | 在 | 2020年 | 83 | ||||
4 | 中号 | 在 | 2020年 | 86 | 2018年 | 55 |
我想根据年份和相应的分数来融化,例如,如果任何年份等于2020,那么将生成以下内容:
ID | 性别 | 语言 | 年 | 得分 |
---|---|---|---|---|
1个 | F | 在 | 2020年 | 93 |
1个 | F | 在 | 2020年 | 85 |
1个 | F | 在 | 2020年 | 87 |
2 | F | 它是 | 2020年 | 97 |
2 | F | 它是 | 2020年 | 95 |
3 | 中号 | 在 | 2020年 | 83 |
4 | 中号 | 在 | 2020年 | 86 |
我尝试使用,pd.melt
但在按年份跨列过滤并保持相应条目时遇到麻烦。
据我了解,您可以尝试:
out = (pd.wide_to_long(dataframe,['Year','Score'],['ID','Gender','Language'],'v',' ')
.dropna().droplevel(-1).reset_index())
print(out)
ID Gender Language Year Score
0 1 F EN 2020.0 93.0
1 1 F EN 2020.0 85.0
2 1 F EN 2020.0 87.0
3 2 F ES 2020.0 97.0
4 2 F ES 2020.0 95.0
5 2 F ES 2018.0 86.0
6 3 M EN 2020.0 83.0
7 4 M EN 2020.0 86.0
8 4 M EN 2018.0 55.0
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句