Блог

У меня есть такой фрейм данных с повторяющимися именами столбцов: идентификатор загружается как индекс

           JANUARY         FEBRUARY        MARCH 
  ID    Sales   Revenue Sales   Revenue Sales   Revenue
  03    10.00   5.00    0.00    0.00    10.00   19.00
  05    20.00   20.00   20.00   20.00   20.00   20.00
  06    30.00   30.00   30.00   30.00   30.00   30.00
  07    30.00   30.00   30.00   30.00   30.00   30.00
  

Я хочу показать это, как показано ниже:

   ID    Sales   Revenue
  03    10.00   5.00
  05    20.00   20.00
  06    30.00   30.00
  07    30.00   30.00
  03    0.00    0.00
  05    20.00   20.00
  06    30.00   30.00
  07    30.00   30.00
  03    10.00   19.00
  05    20.00   20.00
  06    30.00   30.00
  07    30.00   30.00
  

В настоящее время я использую, но ожидаю лучшего способа. Я пробовал melt, но это только для одного столбца:

 cols = df.columns.to_list()
for i in range(1, len(cols), 2):  # #Loading each month's data to the data frame
    sub_cols = cols[i:i   2]
    sub_cols .insert(0, cols[0])
    sub_df = df.filter(sub_cols , axis=1)
    sub_df.columns = ['ID', 'Revenue', 'Sales']
    if i == 1:
        final_df = sub_df
    else:
        final_df = final_df.append(sub_df)
  

Вот еще один способ сложения столбцов. Не уверен, что это более эффективно, но требует меньше кода.

 #        JANUARY         FEBRUARY        MARCH 
#  ID    Sales   Revenue Sales   Revenue Sales   Revenue
#  03    10.00   5.00    0.00    0.00    10.00   19.00
#  05    20.00   20.00   20.00   20.00   20.00   20.00
#  06    30.00   30.00   30.00   30.00   30.00   30.00
#  07    30.00   30.00   30.00   30.00   30.00   30.00

import pandas as pd
dd = {
'ID':['03','05','06','07'],
'Sales1':[10,20,30,30],
'Rev1':[5,20,30,30],
'Sales2':[0,20,30,30],
'Rev2':[0,20,30,30],
'Sales3':[10,20,30,30],
'Rev3':[19,20,30,30]
}

df = pd.DataFrame(dd)
print(df.to_string(index=False),'n') # source dataframe

####################

dfnew = pd.DataFrame(columns = ['ID', 'Sales', 'Revenue'])  # new dataframe with all data
for c in range(1,len(df.columns),2):
   dftmp = df[['ID',df.columns[c],df.columns[c 1]]] # create df for each month
   dftmp.columns = ['ID', 'Sales', 'Revenue'] # must rename columns for append
   dfnew = dfnew.append(dftmp)  # append to stacked df

print(dfnew.to_string(index=False))
  

Вывод

  ID  Sales1  Rev1  Sales2  Rev2  Sales3  Rev3
 03      10     5       0     0      10    19
 05      20    20      20    20      20    20
 06      30    30      30    30      30    30
 07      30    30      30    30      30    30

 ID Sales Revenue
 03    10       5
 05    20      20
 06    30      30
 07    30      30
 03     0       0
 05    20      20
 06    30      30
 07    30      30
 03    10      19
 05    20      20
 06    30      30
 07    30      30
  

Pandas lreshape сделал трюк для меня.

 df = pd.lreshape(df, 
{'Sales': file_df.columns[file_df.columns.str.match(r'^Sales.?d?')],
'Revenue': file_df.columns[file_df.columns.str.match(r'^Revenue.?d?')]})