在Pandas中把列名转换成行名/索引

在Pandas中，我们可以使用melt函数进行将列名转换成行名/索引的操作。下面是具体的操作步骤：

1. 读取数据源，将数据源存入DataFrame中

import pandas as pd
df = pd.read_csv('data.csv')

1. 使用melt函数，将指定的列转换为行索引，剩余的列成为新的列名和值。

id_vars = ['col1'] # 指定要转换的列
value_vars = ['col2', 'col3'] # 要进行转换的列
var_name = 'new_col_name' # 转换后的新列名
value_name = 'new_value_name' # 转换后的新值名
df_melt = pd.melt(df, id_vars=id_vars, value_vars=value_vars, var_name=var_name, value_name=value_name)

其中：

• df：需要转换列的DataFrame；
• id_vars：将要保留在列中的列名；
• value_vars：需要被转换为新列和新值的列名；
• var_name：转换后新列的列名名称，默认为variable；
• value_name：转换后新值的列名名称，默认为value。

示例代码如下：

import pandas as pd

# 读取数据
df = pd.DataFrame({
   'id': ['A', 'B', 'C'],
   'sales_2021': [1200, 1500, 1000],
   'sales_2020': [1000, 1300, 900],
})

# 显示原始数据
print('原始数据：')
print(df)

# 转换列名为行名
df_melt = pd.melt(df, id_vars=['id'], value_vars=['sales_2021', 'sales_2020'],
        var_name='year', value_name='sales')

# 显示转换后的数据
print('\n列名转换为行名：')
print(df_melt)

输出结果如下：

原始数据：
  id  sales_2021  sales_2020
0  A        1200        1000
1  B        1500        1300
2  C        1000         900

列名转换为行名：
  id         year  sales
0  A  sales_2021   1200
1  B  sales_2021   1500
2  C  sales_2021   1000
3  A  sales_2020   1000
4  B  sales_2020   1300
5  C  sales_2020    900

在转换过程中需要注意的是，被转换的列和保留的列都必须是数据类型一致的，否则会导致转换失败。