pandas Python -如何在Python中将 Dataframe 的特定列更改为行？

我想在Python中执行一个特定的操作。实际上，我有一个CSV文件，其中许多数据被指定到列中。我想把它们变成一排排。但是，我们必须遵守特定的规则。
以下是数据集格式：
[...，'N° Panneau'，' Sexe'，'Prénom_Nom_Cand1'，' Voix'，'% Voix/Ins'，'% Voix/Exp'，
'col_28'，' col_29'，'Prénom_Nom_Cand2'，' col_32'，'col_33'，' col_34'，
'col_35'，' col_36'，'Prénom_Nom_Cand3'，' col_39'，'col_40'，' col_41'，
'col_42'，' col_43'，'Prénom_Nom_Cand4'，' col_46'，'col_47'，' col_48'，
'col_49'，' col_50'，'Prénom_Nom_Cand5'，' col_53'，'col_54'，' col_55'，
'col_56'，' col_57'，'Prénom_Nom_Cand6'，' col_60'，'col_61'，' col_62'，
'col_63'，' col_64'，'Prénom_Nom_Cand7'，' col_67'，'col_68'，' col_69'，
'col_70'，' col_71'，'Prénom_Nom_Cand8'，' col_74'，'col_75'，' col_76'，
'col_77'，' col_78'，'Prénom_Nom_Cand9'，' col_81'，'col_82'，' col_83'，
'col_84'，' col_85'，'Prénom_Nom_Cand10'，' col_88'，'col_89'，' col_90'，
'col_91'，' col_92'，'Prénom_Nom_Cand11'，' col_95'，'col_96'，' col_97'，
'col_98'，' col_99'，'Prénom_Nom_Cand12'，' col_102'，'col_103'，'col_104']
其中**'N ° Panneau'，'Sexe'，'Prénom_Nom_Cand1'，'Voix'，' % Voix/Ins'，'% Voix/Exp'与'col_{number}'，'col_{number}'，'Prénom_Nom_Cand'，'col_{number}'，'col_{number}'，'col_{number}'是相同的列
我只想让列'N ° Panneau'，'Sexe'，'Prénom_Nom_Cand1'，'Voix'，' % Voix/Ins'，'% Voix/Exp'包含所有col_...**值等。
我如何才能做到这一点（得到列作为行）像上面指定的？

假设df是你的输入 wide-format DataFrame，你可以用途：

out = (
    pd.DataFrame(df.to_numpy().reshape(-1, 6), columns= df.columns[:6])
)

输出：

print(out)

    N°Panneau  Sexe  Prénom_Nom_Cand1  Voix  % Voix/Ins  % Voix/Exp
0           5     8                 9     5           0           0
1           1     7                 6     9           2           4
2           5     2                 4     2           4           7
..        ...   ...               ...   ...         ...         ...
57          9     7                 0     5           2           2
58          8     5                 0     5           9           8
59          6     6                 0     4           7           3

[60 rows x 6 columns]

使用的输入：*

cols = [
    'N°Panneau', 'Sexe', 'Prénom_Nom_Cand1', 'Voix', '% Voix/Ins', '% Voix/Exp',
    'col_28', 'col_29', 'Prénom_Nom_Cand2', 'col_32', 'col_33', 'col_34',
    'col_35', 'col_36', 'Prénom_Nom_Cand3', 'col_39', 'col_40', 'col_41',
    ...
]

np.random.seed(1)

df = pd.DataFrame(np.random.randint(0, 10, (5, len(cols))), columns=cols)

   N°Panneau  Sexe  Prénom_Nom_Cand1  ...  col_102  col_103  col_104
0          5     8                 9  ...        6        8        0
1          2     7                 7  ...        5        4        0
2          7     8                 9  ...        3        8        3
3          5     6                 7  ...        9        1        2
4          0     4                 7  ...        4        7        3

[5 rows x 72 columns]

更新：

gh_url = "https://raw.githubusercontent.com/kivircik55/dataset/main/" \
         "resultats_par_niveau_burvot_t1_france_entiere_prepared_joined" \
         "_prepared%20(1).csv"

df = pd.read_csv(gh_url)

idx = df.columns.get_loc("Prénom_Nom_Cand1")-2

wide_blocks = df.iloc[:, idx:]

long_blocks = pd.DataFrame(
    wide_blocks.to_numpy().reshape(-1, 6),
    columns= wide_blocks.columns[:6]
)

out = (
    df.iloc[:, :idx].join(
        long_blocks.set_index(
            np.arange(len(df)).repeat(len(long_blocks.columns)*2)))
)

输出：

print(out)

    Année  Code du département Libellé du département  ...  Voix % Voix/Ins  % Voix/Exp
0    2022                   24               Dordogne  ...     2       0.23        0.39
0    2022                   24               Dordogne  ...    13       1.51        2.51
0    2022                   24               Dordogne  ...   139      16.13       26.89
..    ...                  ...                    ...  ...   ...        ...         ...
43   2022                   24               Dordogne  ...    39       4.23        5.86
43   2022                   24               Dordogne  ...     4       0.43         0.6
43   2022                   24               Dordogne  ...    16       1.74         2.4

[528 rows x 29 columns]

pandas Python -如何在Python中将 Dataframe 的特定列更改为行？

1条答案

相关问题

热门标签

最新问答