превращение заголовков столбцов в панд наблюдения

Question

Я не уверен, что у моей проблемы есть определенное название (я помню, как слушал лекцию, где учитель сказал, что часть знаний знает название вещей).

В любом случае, я работаю с некоторыми устаревшими системами, и мои данные выводятся следующим образом:

df = pd.DataFrame({'Shop' : [1,2,3,4,5,6,7,8,9,10],'Week 1' : [15,25,11,22,0,-1,15,11,76,62],'Week 2' : [5,44,55,21,12,51,-10,25,81,46]})
print(df)


 Shop   Week 1  Week 2
0   1   15      5
1   2   25      44
2   3   11      55
3   4   22      21
4   5   0       12
5   6   -1      51
6   7   15     -10
7   8   11      25
8   9   76      81
9   10  62      46

В этом случае номер недели должен быть наблюдением, а номер -значение, которое должно быть ему присвоено.

Я пытаюсь сделать следующее:

транспонировать DF, но сохранить индекс как Магазин.превратите каждый случай в наблюдение, взяв в качестве примера только первые 2 магазина:

    Shop    Week Hour
0   1       1    15
1   1       2    5
2   2       1    25
3   2       2    44

Какой самый питонный способ добиться этого?на df относительно среднего размера (500 строк 52 недели)

Answer 1

Вы можете переименовать столбцы, pd.melt, а затем sort_values:

df.columns = [i if not i.startswith('Week') else int(i[-1]) for i in df]

res = pd.melt(df, id_vars='Shop', var_name='Week', value_name='Hour')\
        .sort_values('Shop').reset_index(drop=True)

print(res)

    Shop Week  Hour
0      1    1    15
1      1    2     5
2      2    1    25
3      2    2    44
...
16     9    2    81
17     9    1    76
18    10    1    62
19    10    2    46

Answer 2

Использование wide_to_long

pd.wide_to_long(df,'Week ',i='Shop',j='week')
Out[770]: 
           Week 
Shop week       
1    1        15
2    1        25
3    1        11
4    1        22
5    1         0
6    1        -1
7    1        15
8    1        11
9    1        76
10   1        62
1    2         5
2    2        44
3    2        55
4    2        21
5    2        12
6    2        51
7    2       -10
8    2        25
9    2        81
10   2        46

#pd.wide_to_long(df,'Week ',i='Shop',j='week').sort_index(level=0).reset_index().rename(columns={'Week ':'Hour'})

Answer 3

Я бы использовал что-то вроде этого, хотя это немного запутанно со всеми переименованиями:

# Rename columns with dict comprehension so it can extend to more than week 1 and week 2
df2 = (df.rename(columns={i: int(i.split()[-1]) for i in df.columns[1:]})
       .set_index('Shop')
       .stack()
       .reset_index()
       .rename(columns={'level_1':'Week', 0:'Hour'}))

>>> df2

    Shop  Week  Hour
0      1     1    15
1      1     2     5
2      2     1    25
3      2     2    44
4      3     1    11
5      3     2    55
6      4     1    22
7      4     2    21
8      5     1     0
9      5     2    12
10     6     1    -1
11     6     2    51
12     7     1    15
13     7     2   -10
14     8     1    11
15     8     2    25
16     9     1    76
17     9     2    81
18    10     1    62
19    10     2    46