为DataFram每行返回多行

Question

示例输入数据帧：

merged_df
                 Full Name   Kommata 2007     Kommata 2015                 Kommata 2019
0        Athanasios bouras   New democracy    New democracy                New democracy
1        Andreas loverdos    Pasok            Pasok-democratic alignment   Movement for change
2        Theodora tzakri     Pasok            Pasok                        Syriza
3        Thanasis zempilis   Pasok            NaN                          New democracy

所需数据帧：

edges_df

         Source                             Target         
0        New democracy_2007                 New democracy_2015
1        New democracy_2015                 New democracy_2019
2        Pasok_2007                         Pasok-democratic alignment_2015
3        Pasok-democratic alignment_2015    Movement for change_2019
4        Pasok_2007                         Pasok_2015
5        Pasok_2015                         Syriza_2019
6        Pasok_2007                         New democracy_2019

如上所述，我有一个包含n列的输入数据帧；第一个数据帧有唯一的值（Full Name），另一个n-1（Kommata YYYY）是行的一些属性。我想生成一个包含两列的新数据帧，如下所示：

• 对于每个Full Name，它将有0行或更多行

• 从最左边的Kommata列开始，它接受每个相邻的非空值对，例如Kommata 2007-Kommata 2015, Kommata 2015-Kommata 2019；只有当Kommata 2015为空时，对Kommata 2007-Kommata 2019才能存在

• 每对都将是一个新行

• 每列的值修改如下：value\u YYYY，其中值保持不变，YYYY取自列名（例如'{}_{}'.format(prev_value, col_name.split()[-1])）

提前谢谢

Answer 1

可以使用pd.melt执行以下操作：

# A list of columns to melt.
value_cols = list(df.columns)[1:]

# Melt said columns while leaving the others (in this case only 'Full Name') intact.
df = pd.melt(df, id_vars=['Full Name'], value_vars=value_cols)

# Get the year from 'variable'
df['variable'] = df['variable'].str.split(' ').apply(lambda x:x[-1])

# Sort the values by 'Full Name' and then year (required).
df = df.sort_values(by=['Full Name', 'variable'])

# Drop rows with empty values.
df = df.dropna()

df['Source'] = df['value'] + '_' + df['variable']

# Pair the values (This is why the previous sort is required).
df['Target'] = df['Source'].shift(-1)

# Remove rows where the values don't belong to the same name.
mask = df['Full Name'].eq(df['Full Name'].shift(-1).bfill())
df = df.loc[mask]

# Keep only relevant columns.
df = df.reindex(columns=['Source', 'Target'])

我假设输出的顺序无关紧要。此代码的输出将按“全名”的字母顺序排序。
如果需要保持顺序，则需要修改df.sort_values行，以便按照“全名”的原始顺序排序，而不是按字母顺序排序。你知道吗