Pandas宽表转长表:含年月列的商品数据集如何转成Amount单列格式
Pandas宽表转长表实现方案
你可以直接使用pd.melt()方法实现需求,相比pd.wide_to_long()更适配当前列名直接为完整年月的场景,不需要额外拆分合并年月字段,一步即可得到目标结构。
完整实现代码
import pandas as pd # 1. 加载示例数据构造DataFrame raw_data = [{'Region/Province': 'PHILIPPINES', 'Commodity': 'Atis [Sugarapple]', '2018 January': '..', '2018 February': '..'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Avocado', '2018 January': '..', '2018 February': '..'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Banana Bungulan, green', '2018 January': '12.57', '2018 February': '12.48'}, {'Region/Province': 'PHILIPPINES', 'Commodity': 'Banana Cavendish', '2018 January': '9.96', '2018 February': '8.8'}] df = pd.DataFrame(raw_data) # 2. 宽表转长表 # id_vars指定不需要转换的固定列,var_name设置年月列转换后的字段名,value_name设置数值存储的字段名 res_df = pd.melt( df, id_vars=['Region/Province', 'Commodity'], var_name='Month', value_name='Amount' ) # 可选:将无效值".."替换为NaN方便后续计算,不需要可以删除该行 res_df['Amount'] = pd.to_numeric(res_df['Amount'], errors='coerce')
结果说明
转换后的res_df结构完全符合要求:
- 保留原有
Region/Province、Commodity列,商品名称会按不同年月重复出现 - 新增
Month列存储原年月字段名(如2018 January) - 新增
Amount列存储对应年月的数值
如果需要将Month列转换为标准日期格式,可以额外通过pd.to_datetime(res_df['Month'], format='%Y %B')实现。
内容的提问来源于stack exchange,提问作者JoshPickel
相关产品推荐
相关产品推荐

