使用这样的数据框:
date user sales_blue sales_red
2019/06/01 A 30 50
2019/06/01 B 60 70
2019/06/02 A 25 35
2019/06/02 B 42 52
我正在努力做到以下几点:
date user color sales
2019/06/01 A blue 30
2019/06/01 A red 50
2019/06/01 B blue 60
2019/06/01 B red 70
2019/06/02 A blue 25
2019/06/02 A red 35
2019/06/02 B blue 42
2019/06/02 B red 52
这通过使用循环以一种“手动”方式相当可行，但出于性能原因，我会寻找一种不涉及 Python 循环的更有效的解决方案。
请您参考如下方法:
当您想使用列名的所有 来标识行时，melt 通常是首选。但是，当您想要使用列名称的较小部分时，其中前缀是常量，melt 的通用、更用户友好的版本称为 wide_to_long。
这不仅可以干净地处理前缀，还可以扩展以处理多个不同的前缀。
pd.wide_to_long(
df, stubnames='sales', i=['date', 'user'], j='color', suffix='\w+', sep='_'
).reset_index(-1)
color sales
user date
A 2019/06/01 blue 30
2019/06/01 red 50
B 2019/06/01 blue 60
2019/06/01 red 70
A 2019/06/02 blue 25
2019/06/02 red 35
B 2019/06/02 blue 42
2019/06/02 red 52
将此行为概括为熔化多个列:
print(df)
date user sales_blue sales_red calls_blue calls_red
0 2019/06/01 A 30 50 3 4
1 2019/06/01 B 60 70 1 2
2 2019/06/02 A 25 35 4 6
3 2019/06/02 B 42 52 5 7
pd.wide_to_long(
df, stubnames=['sales', 'calls'], i=['date', 'user'], j='color', suffix='\w+', sep='_'
).reset_index(-1)
color sales calls
date user
2019/06/01 A blue 30 3
A red 50 4
B blue 60 1
B red 70 2
2019/06/02 A blue 25 4
A red 35 6
B blue 42 5
B red 52 7
