Python数据整理：如何将多列数据(含步骤信息)转换为长格式？-Python教程-PHP中文网

Python数据整理：如何将多列数据(含步骤信息)转换为长格式？

聖光之護

发布： 2025-03-01 14:30:11

原创

609人浏览过

python数据整理：如何将多列数据(含步骤信息)转换为长格式？

利用Python高效处理表格数据，轻松将宽格式数据转换为长格式！本文将详细讲解如何使用Pandas库处理包含重复列名模式的数据（例如，多步骤数据，每个步骤对应一组相同名称的列），并提取列名信息，最终简化数据分析流程。

假设您的数据包含多个步骤信息（例如，step4、step6、step8），以及对应的测量值（例如，nm_stdedev）。目标是将这些数据转换为长格式，步骤信息和测量值分别成为独立列，便于后续分析。

示例数据结构如下（4个步骤，n个nm_stdedev列）：

step4_nm_stdedev	step6_nm_stdedev	step8_nm_stdedev	step9_nm_stdedev	...	step4_other_column	step6_other_column	...
值1	值2	值3	值4	...	值5	值6	...
值a	值b	值c	值d	...	值e	值f	...
...	...	...	...	...	...	...	...

立即学习“Python免费学习笔记（深入）”；

Pandas的melt函数是解决此问题的关键。它能将宽格式数据转换为长格式。我们需要巧妙地利用字符串操作提取步骤号和测量值信息。

以下代码演示了数据转换过程：

import pandas as pd

# 示例数据 (请替换为您的实际数据)
data = {'Step4_nm_Stdedev': [1, 2, 3], 
        'Step6_nm_Stdedev': [4, 5, 6], 
        'Step8_nm_Stdedev': [7, 8, 9], 
        'Step9_nm_Stdedev': [10, 11, 12]}
df = pd.DataFrame(data)

# 使用melt函数转换数据格式
df_melted = df.melt(var_name='Step_Measurement', value_name='Value')

# 使用字符串操作提取步骤号和测量值名称
df_melted[['Step', 'Measurement']] = df_melted['Step_Measurement'].str.split('_', expand=True)
df_melted['Step'] = df_melted['Step'].str.extract('(\d+)').astype(int)

# 删除中间列
df_melted = df_melted.drop(columns=['Step_Measurement'])

print(df_melted)

登录后复制

代码首先使用melt函数将数据转换为长格式，然后利用字符串的split方法和正则表达式extract方法分别提取步骤号和测量值名称。最后，删除中间列，得到最终结果。

如果您的列名格式不同，例如测量值名称不一致，您需要根据实际情况调整字符串处理部分的代码，例如使用更复杂的正则表达式或其他字符串操作函数。如果需要保留其他列，请将这些列添加到melt函数的id_vars参数中。通过以上方法，您可以轻松地将多列数据转换为长格式，并提取所需信息，提高数据分析效率。

以上就是Python数据整理：如何将多列数据(含步骤信息)转换为长格式？的详细内容，更多请关注php中文网其它相关文章！