Преобразование заголовков столбцов в значения

Я хочу преобразовать этот фрейм данных:

Name    Address   Town   Central1   Central2   Central3   Central4   
Jean    blabla    blabla2    1          2         3           NaN 
James   BLABLA    BLABLA2    5          6         NaN           8

к этому кадру данных:

Name    Address   Town      Central    Code     
Jean    blabla    blabla2   Central1     1
Jean    blabla    blabla2   Central2     2
Jean    blabla    blabla2   Central3     3
Jean    blabla    blabla2   Central4     NaN
James   BLABLA    BLABLA2   Central1     5                    
James   BLABLA    BLABLA2   Central2     6
James   BLABLA    BLABLA2   Central3     NaN
James   BLABLA    BLABLA2   Central4     8

Это своего рода стек, но я не хочу складывать весь фрейм данных.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
40
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Просто проверьте с melt

s = df.melt(['Name','Address','Town'],var_name = 'Central',value_name = 'Code')
s
Out[526]: 
    Name Address     Town   Central  Code
0   Jean  blabla  blabla2  Central1   1.0
1  James  BLABLA  BLABLA2  Central1   5.0
2   Jean  blabla  blabla2  Central2   2.0
3  James  BLABLA  BLABLA2  Central2   6.0
4   Jean  blabla  blabla2  Central3   3.0
5  James  BLABLA  BLABLA2  Central3   NaN
6   Jean  blabla  blabla2  Central4   NaN
7  James  BLABLA  BLABLA2  Central4   8.0

Другие вопросы по теме