如何在Pandas中反转get_dummies编码，提取行中值为1的列名

嘿，我来帮你搞定这个Pandas数据格式转换的需求！你需要把每行中值为1的列名和对应的ID配对，生成一个长格式的DataFrame，下面是两种简单高效的实现方法：

方法一：使用melt函数（直观易懂） #

melt是Pandas专门用来将宽表转为长表的工具，步骤清晰，适合新手理解：

1. 首先构造原始DataFrame（还原你提供的数据源）：

import pandas as pd

# 构建原始数据
raw_data = {
    'ID': [1002, 1003, 1004, 1005, 1006, 1007, 1000, 1009],
    '1': [0, 0, 1, 0, 0, 1, 0, 0],
    '2': [1, 0, 1, 0, 0, 0, 0, 0],
    '3': [0, 0, 0, 0, 0, 1, 0, 1],
    '4': [1, 0, 0, 0, 0, 0, 0, 0],
    '5': [0, 0, 0, 1, 0, 0, 0, 0],
    '6': [0, 0, 0, 0, 1, 0, 0, 0],
    '7': [0, 0, 0, 0, 0, 0, 0, 1],
    '8': [0, 0, 0, 0, 0, 0, 0, 0],
    '9': [0, 0, 0, 0, 0, 0, 0, 0]
}
df = pd.DataFrame(raw_data)

2. 用melt转换格式并过滤值为1的行：

# 将宽表转为长表，ID作为标识列，其他列转为变量和值
melted_df = df.melt(id_vars='ID', var_name='Col2', value_name='flag')
# 只保留flag为1的行，删除多余的flag列并重置索引
final_df = melted_df[melted_df['flag'] == 1].drop('flag', axis=1).reset_index(drop=True)

方法二：使用stack函数（更简洁） #

stack可以快速将列索引转为行索引，适合追求代码简洁的场景：

# 设置ID为索引，将其他列堆叠为行
stacked_df = df.set_index('ID').stack().reset_index()
# 重命名列名，过滤值为1的行并整理格式
stacked_df.columns = ['ID', 'Col2', 'flag']
final_df = stacked_df[stacked_df['flag'] == 1].drop('flag', axis=1).reset_index(drop=True)

最终结果 #

运行上述代码后，final_df就会得到你想要的格式：

ID Col2
0   1002    2
1   1002    4
2   1004    1
3   1004    2
4   1005    5
5   1006    6
6   1007    1
7   1007    3
8   1009    3
9   1009    7

注意：原始数据中ID为1003和1000的行全是0，所以不会出现在最终结果里，完全符合你的示例要求。

内容的提问来源于stack exchange，提问作者MukundS