panda mengubah beberapa kolom menjadi baris

Jadi dataset saya memiliki beberapa informasi berdasarkan lokasi untuk n tanggal. Masalahnya adalah setiap tanggal sebenarnya adalah tajuk kolom yang berbeda. Misalnya tampilan CSV

location    name    Jan-2010    Feb-2010    March-2010
A           "test"  12          20          30
B           "foo"   18          20          25

Yang saya inginkan adalah tampilannya

location    name    Date        Value
A           "test"  Jan-2010    12       
A           "test"  Feb-2010    20
A           "test"  March-2010  30
B           "foo"   Jan-2010    18       
B           "foo"   Feb-2010    20
B           "foo"   March-2010  25

Masalahnya adalah saya tidak tahu berapa banyak tanggal di kolom (meskipun saya tahu mereka akan selalu dimulai setelah nama)

UPDATE
Dari v0.20, meltadalah fungsi urutan pertama, yang sekarang dapat Anda gunakan

df.melt(id_vars=["location", "name"], 
        var_name="Date", 
        value_name="Value")

  location    name        Date  Value
0        A  "test"    Jan-2010     12
1        B   "foo"    Jan-2010     18
2        A  "test"    Feb-2010     20
3        B   "foo"    Feb-2010     20
4        A  "test"  March-2010     30
5        B   "foo"  March-2010     25

VERSI LAMA (ER): <0.20

Anda dapat menggunakan pd.meltuntuk mendapatkan hasil maksimal, lalu mengurutkan:

>>> df
  location  name  Jan-2010  Feb-2010  March-2010
0        A  test        12        20          30
1        B   foo        18        20          25
>>> df2 = pd.melt(df, id_vars=["location", "name"], 
                  var_name="Date", value_name="Value")
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
1        B   foo    Jan-2010     18
2        A  test    Feb-2010     20
3        B   foo    Feb-2010     20
4        A  test  March-2010     30
5        B   foo  March-2010     25
>>> df2 = df2.sort(["location", "name"])
>>> df2
  location  name        Date  Value
0        A  test    Jan-2010     12
2        A  test    Feb-2010     20
4        A  test  March-2010     30
1        B   foo    Jan-2010     18
3        B   foo    Feb-2010     20
5        B   foo  March-2010     25

(Mungkin ingin memasukkan .reset_index(drop=True), hanya agar hasilnya tetap bersih.)

Catatan : pd.DataFrame.sort sudah tidak digunakan lagi karena mendukung pd.DataFrame.sort_values.

Gunakan set_indexdengan stackuntuk MultiIndex Series, lalu untukDataFrame ditambahkan reset_indexdengan rename:

df1 = (df.set_index(["location", "name"])
         .stack()
         .reset_index(name='Value')
         .rename(columns={'level_2':'Date'}))
print (df1)
  location  name        Date  Value
0        A  test    Jan-2010     12
1        A  test    Feb-2010     20
2        A  test  March-2010     30
3        B   foo    Jan-2010     18
4        B   foo    Feb-2010     20
5        B   foo  March-2010     25

Saya rasa saya menemukan solusi yang lebih sederhana

temp1 = pd.melt(df1, id_vars=["location"], var_name='Date', value_name='Value')
temp2 = pd.melt(df1, id_vars=["name"], var_name='Date', value_name='Value')

Concat utuh temp1dengan temp2kolomname

temp1['new_column'] = temp2['name']

Anda sekarang memiliki apa yang Anda minta.

pd.wide_to_long

Anda dapat menambahkan awalan ke kolom tahun Anda dan kemudian memberi makan langsung ke pd.wide_to_long. Saya tidak akan menganggap ini efisien , tetapi mungkin dalam situasi tertentu lebih nyaman daripada pd.melt, misalnya ketika kolom Anda sudah memiliki awalan yang sesuai.

df.columns = np.hstack((df.columns[:2], df.columns[2:].map(lambda x: f'Value{x}')))

res = pd.wide_to_long(df, stubnames=['Value'], i='name', j='Date').reset_index()\
        .sort_values(['location', 'name'])

print(res)

   name        Date location  Value
0  test    Jan-2010        A     12
2  test    Feb-2010        A     20
4  test  March-2010        A     30
1   foo    Jan-2010        B     18
3   foo    Feb-2010        B     20
5   foo  March-2010        B     25