我有一个如下所示的数据框
df = pd.DataFrame({
'subject_ID':[1,2,3,4,5],
'date_visit':['1/1/2020','3/3/2200','13/11/2100','24/05/2198','30/03/2071'],
'a11fever':['Yes','No','Yes','Yes','No'],
'a12diagage':[36,34,42,40,np.nan],
'a12diagyr':[2021,3213,2091,4567,8901],
'a12diagyrago':[6,np.nan,9,np.nan,np.nan]})
我想转换数据框，其中一个主题的示例输出如下所示
虽然我能够使用 pd.melt 和 stack 成功地做到这一点，但我无法使用 wide_long 做到这一点。
pd.melt(df, id_vars =['subject_ID','date_visit'], value_vars =['a11fever', 'a12diagage', 'a12diagyr','a12diagyrago']) # works fine
pd.wide_to_long(df, stubnames=['measurement', 'val'],i=(['subject_ID','date_visit']), j='grp').sort_index(level=0) # returns 0 records
df.set_index(['subject_ID','date_visit']).stack().reset_index() #works fine
我的另一个问题是，
a) 我们是否总是必须在 pd.melt 的 value_vars 部分下提及我们想要转换的所有列名。我的真实数据将有 120 多列。那么我必须在这里一一列举吗？
你能帮我看看如何使用 wide_long 吗？
请您参考如下方法:
Do we always have to mention all the column names that we would like to transform under value_vars section of pd.melt. My real data will have more than 120 columns. So do I have to mention all of them here?
不，没有必要，如果省略参数 value_vars 那么将使用所有列而不用于 id_vars:
df = pd.melt(df, id_vars =['subject_ID','date_visit'])
print (df)
subject_ID date_visit variable value
0 1 1/1/2020 a11fever Yes
1 2 3/3/2200 a11fever No
2 3 13/11/2100 a11fever Yes
3 4 24/05/2198 a11fever Yes
4 5 30/03/2071 a11fever No
5 1 1/1/2020 a12diagage 36
6 2 3/3/2200 a12diagage 34
7 3 13/11/2100 a12diagage 42
8 4 24/05/2198 a12diagage 40
9 5 30/03/2071 a12diagage NaN
10 1 1/1/2020 a12diagyr 2021
11 2 3/3/2200 a12diagyr 3213
12 3 13/11/2100 a12diagyr 2091
13 4 24/05/2198 a12diagyr 4567
14 5 30/03/2071 a12diagyr 8901
15 1 1/1/2020 a12diagyrago 6
16 2 3/3/2200 a12diagyrago NaN
17 3 13/11/2100 a12diagyrago 9
18 4 24/05/2198 a12diagyrago NaN
19 5 30/03/2071 a12diagyrago NaN
