パンダはいくつかの列を行に変換します

したがって、私のデータセットには、n日付の場所ごとの情報が含まれています。問題は、各日付が実際には異なる列ヘッダーであることです。たとえば、CSVは次のようになります。

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

私が欲しいのはそれが次のようになることです

location    name    Date        Value
A           "test"  Jan-2010    12       
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18       
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

問題は、列にある日付の数がわからないことです（ただし、名前の後に常に開始されることがわかっています）。

UPDATE
v0.20から、これmeltは一次関数です。

df.melt(id_vars=["location", "name"], 
        var_name="Date", 
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

古い（ER）バージョン：<0.20

を使用pd.meltしてほとんどの方法を取得し、並べ替えることができます。

>>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"], 
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

（.reset_index(drop=True)出力をクリーンに保つために、をスローしたい場合があります。）

注：のpd.DataFrame.sort 代わりに非推奨になりましたpd.DataFrame.sort_values。

for で使用set_indexし、次にadd で使用します。stackMultiIndex SeriesDataFramereset_indexrename

df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

私はもっ​​と簡単な解決策を見つけたと思います

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

全体temp1をtemp2の列で連結name

temp1['new_column'] = temp2['name']

あなたは今あなたが求めたものを持っています。

pd.wide_to_long

年の列にプレフィックスを追加して、直接にフィードできpd.wide_to_longます。これが効率的であるとは思いませんが、特定の状況ではpd.melt、たとえば、列にすでに適切なプレフィックスが付いている場合などに便利です。

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))

res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
        .sort_values(['location', 'name'])

print(res)

   name        Date location  Value
0  test    Jan-2010        A     12
2  test    Feb-2010        A     20
4  test  March-2010        A     30
1   foo    Jan-2010        B     18
3   foo    Feb-2010        B     20
5   foo  March-2010        B     25