我正在尝试melt pd.DataFrame的某些列，同时保留其他列。在这种情况下，我想将melt sine和cosine列放入values，然后将它们来自哪一列（即sine或cosine）放入名为data_type的新列中，然后保留原始desc列。
如何使用pd.melt来实现此目的而无需手动熔化和连接每个组件？
# Data
a = np.linspace(0,2*np.pi,100)
DF_data = pd.DataFrame([a, np.sin(np.pi*a), np.cos(np.pi*a)], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T
DF_data["desc"] = ["info about this" for _ in DF_data.index]
关于我这样做的方式：
# Melt each part
DF_melt_A = pd.DataFrame([DF_data["t"],
DF_data["sine"],
pd.Series(DF_data.shape[0]*["sine"], index=DF_data.index, name="data_type"),
DF_data["desc"]]).T.reset_index()
DF_melt_A.columns = ["idx","t","values","data_type","desc"]
DF_melt_B = pd.DataFrame([DF_data["t"],
DF_data["cosine"],
pd.Series(DF_data.shape[0]*["cosine"], index=DF_data.index, name="data_type"),
DF_data["desc"]]).T.reset_index()
DF_melt_B.columns = ["idx","t","values","data_type","desc"]
# Merge
pd.concat([DF_melt_A, DF_melt_B], axis=0, ignore_index=True)
如果我执行
pd.melt(DF_data，我将彻底崩溃针对评论：
最佳答案
好的，因此我必须创建一个类似的df，因为我无权访问您的a变量。我将列表的a变量从0更改为99 ...因此t将为0至99
你可以这样做：
a = range(0, 100)
DF_data = pd.DataFrame([a, [np.sin(x)for x in a], [np.cos(x)for x in a]], index=["t", "sine", "cosine"], columns=["t_%d"%_ for _ in range(100)]).T
DF_data["desc"] = ["info about this" for _ in DF_data.index]
df = pd.melt(DF_data, id_vars=['t','desc'])
df.head(5)
这应该返回您想要的。
t desc variable value
0 0.0 info about this sine 0.000000
1 1.0 info about this sine 0.841471
2 2.0 info about this sine 0.909297
3 3.0 info about this sine 0.141120
4 4.0 info about this sine -0.756802
关于python - 如何在Python 3中“融化” pandas.DataFrame`对象？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39841204/