python - Pandas 旋转/堆叠/ reshape

Question

我正在尝试将数据导入到 pandas DataFrame，其中列为日期字符串、标签、值。我的数据如下所示(仅包含 4 个日期和 5 个标签)

from numpy import random
import numpy as np
import pandas as pd

# Creating the data
dates = ("2015-01-01", "2015-01-02", "2015-01-03", "2015-01-04")
values = [random.rand(5) for _ in range(4)]

data = dict(zip(dates,values))

因此，数据是一个字典，其中键是日期，键是值列表，其中索引是标签。

将此数据结构加载到 DataFrame 中

df1 = pd.DataFrame(data)

将日期作为列，将标签作为索引，将值作为值。

另一种加载方式是

df2 = pd.DataFrame()
df2.from_dict(data, orient='index')

其中日期是索引，列是标签。

在这两种情况下，我都能设法旋转或堆叠到我喜欢的 View 。

我应该如何进行旋转/堆叠以获得我想要的 View ？或者我应该在将数据加载到 DataFrame 之前更改数据结构吗？特别是，我希望避免通过使用一系列对 zip 的调用来预先创建表的所有行。

Answer 1

IIUC:

选项 1
pd.DataFrame.stack

pd.DataFrame(data).stack() \
    .rename('value').rename_axis(['label', 'date']).reset_index()

    label        date     value
0       0  2015-01-01  0.345109
1       0  2015-01-02  0.815948
2       0  2015-01-03  0.758709
3       0  2015-01-04  0.461838
4       1  2015-01-01  0.584527
5       1  2015-01-02  0.823529
6       1  2015-01-03  0.714700
7       1  2015-01-04  0.160735
8       2  2015-01-01  0.779006
9       2  2015-01-02  0.721576
10      2  2015-01-03  0.246975
11      2  2015-01-04  0.270491
12      3  2015-01-01  0.465495
13      3  2015-01-02  0.622024
14      3  2015-01-03  0.227865
15      3  2015-01-04  0.638772
16      4  2015-01-01  0.266322
17      4  2015-01-02  0.575298
18      4  2015-01-03  0.335095
19      4  2015-01-04  0.761181

<小时/>

选项 2
理解力

pd.DataFrame(
    [[i, d, v] for d, l in data.items() for i, v in enumerate(l)],
    columns=['label', 'date', 'value']
)

    label        date     value
0       0  2015-01-01  0.345109
1       1  2015-01-01  0.584527
2       2  2015-01-01  0.779006
3       3  2015-01-01  0.465495
4       4  2015-01-01  0.266322
5       0  2015-01-02  0.815948
6       1  2015-01-02  0.823529
7       2  2015-01-02  0.721576
8       3  2015-01-02  0.622024
9       4  2015-01-02  0.575298
10      0  2015-01-03  0.758709
11      1  2015-01-03  0.714700
12      2  2015-01-03  0.246975
13      3  2015-01-03  0.227865
14      4  2015-01-03  0.335095
15      0  2015-01-04  0.461838
16      1  2015-01-04  0.160735
17      2  2015-01-04  0.270491
18      3  2015-01-04  0.638772
19      4  2015-01-04  0.761181