如何用Pandas将多列月度水果价格转换为单列并计算价格相关性？

原始数据 #

给定的初始DataFrame如下：

Fruit     Jan    Feb
Apple    2.00   2.50
Banana   1.00   1.25

目标数据格式 #

需要将数据转换为以下格式，把水果与月度合并为单列，同时保留价格列：

Fruit_Month     Price
Apple_Jan       2.00  
Apple_Feb       2.50
Banana_Jan      1.00
Banana_Feb      1.25

数据重塑实现 #

使用Pandas可以快速完成数据格式转换，步骤如下：

1. 导入Pandas并构造原始数据

import pandas as pd

df = pd.DataFrame({
    'Fruit': ['Apple', 'Banana'],
    'Jan': [2.00, 1.00],
    'Feb': [2.50, 1.25]
})

2. 重塑数据结构

# 将Fruit设为索引，堆叠月度列
reshaped = df.set_index('Fruit').stack().reset_index()
# 重命名列
reshaped.columns = ['Fruit', 'Month', 'Price']
# 合并Fruit和Month为Fruit_Month
reshaped['Fruit_Month'] = reshaped['Fruit'] + '_' + reshaped['Month']
# 提取目标列得到最终结果
final_df = reshaped[['Fruit_Month', 'Price']]

执行后得到的final_df即为目标格式。

计算水果价格相关性 #

要计算不同水果间的价格相关性，需要先将数据转换为宽格式（月度为索引，水果为列），再计算相关性矩阵：

# 转换为宽格式：每行对应一个月度，每列对应一种水果
corr_df = df.set_index('Fruit').T
# 计算相关性矩阵
corr_matrix = corr_df.corr()

本例中得到的相关性矩阵如下：

Apple  Banana
Apple     1.0     1.0
Banana    1.0     1.0

该方法完全适配更多水果的场景，只要原始数据保持「水果为行、月度为列」的结构，即可直接套用上述代码生成相关性矩阵，无需修改核心逻辑。

内容的提问来源于stack exchange，提问作者Primer4662