python - 在 python 中从其他 3 个数据帧创建一个数据帧

Question

我正在尝试创建一个新的 df 来总结我的关键信息，方法是从 3 个(比如)其他数据框中获取该信息。

dfdate = {'x1': [2, 4, 7, 5, 6],
     'x2': [2, 2, 2, 6, 7],
     'y1': [3, 1, 4, 5, 9]}
dfdate = pd.DataFrame(df, index=range(0:4))

dfqty = {'x1': [1, 2, 6, 6, 8],
     'x2': [3, 1, 1, 7, 5],
     'y1': [2, 4, 3, 2, 8]}
dfqty = pd.DataFrame(df2, range(0:4))

dfprices = {'x1': [0, 2, 2, 4, 4],
     'x2': [2, 0, 0, 3, 4],
     'y1': [1, 3, 2, 1, 3]}
dfprices = pd.DataFrame(df3, range(0:4))

假设以上 3 个数据框是我的数据。比如说，商品的一些日期、数量和价格。我的新 df 将根据上述数据构建:

rng = len(dfprices.columns)*len(dfprices.index) # This is the len of new df
dfnew = pd.DataFrame(np.nan,index=range(0,rng),columns=['Letter', 'Number', 'date', 'qty', 'price])

现在，这是我努力拼凑我的东西的地方。我正在尝试获取 dfdate 中的所有数据并将其放入新 df 的列中。与 dfqty 和 dfprice 相同。 (所以 3x5 矩阵本质上变成了 1x15 向量并被放入新的 df 中)。

除此之外，我还需要 dfnew 中的几列作为标识符，来自旧 df 的列名。

我试过 for 循环但无济于事，并且不知道如何将 df 转换为系列。但我想要的输出是:

dfnew:
   'Lettercol','Numbercol', 'date', 'qty', 'price'
0     X            1         2       1      0
1     X            1         4       2      2
2     X            1         7       6      2
3     X            1         5       6      4
4     X            1         6       8      4      
5     X            2         2       3      2      
6     X            2         2       1      0                   
7     X            2         2       1      0                 
8     X            2         6       7      3          
9     X            2         7       5      4           
10    Y            1         3       2      1                  
11    Y            1         1       4      3           
12    Y            1         4       3      2           
13    Y            1         5       2      1          
14    Y            1         9       8      3         

其中数字 0-14 是索引。letter = 来自 DF 中 col 标题的字母number = 来自 DF 中 col header 的数字接下来的 3 列是来自 orig df 的数据

(不要问为什么原始数据是那种有趣的格式:)

非常感谢。我的上一个问题没有得到很好的接受，所以我试图让这个问题变得更好，谢谢

Answer 1

使用:

#list of DataFrames
dfs = [dfdate, dfqty, dfprices]

#list comprehension with reshape
comb = [x.unstack() for x in dfs]
#join together
df = pd.concat(comb, axis=1, keys=['date', 'qty', 'price'])
#remove second level of MultiIndex and index to column
df = df.reset_index(level=1, drop=True).reset_index().rename(columns={'index':'col'})
#extract all values without first by indexing [1:] and first letter by [0]
df['Number'] = df['col'].str[1:]
df['Letter'] = df['col'].str[0]

cols = ['Letter', 'Number', 'date', 'qty', 'price']
#change order of columns
df = df.reindex(columns=cols)
print (df)
   Letter Number  date  qty  price
0       x      1     2    1      0
1       x      1     4    2      2
2       x      1     7    6      2
3       x      1     5    6      4
4       x      1     6    8      4
5       x      2     2    3      2
6       x      2     2    1      0
7       x      2     2    1      0
8       x      2     6    7      3
9       x      2     7    5      4
10      y      1     3    2      1
11      y      1     1    4      3
12      y      1     4    3      2
13      y      1     5    2      1
14      y      1     9    8      3