如何将特定列的非空值转换为新行并动态更新类型标识-Python教程-PHP中文网

如何将特定列的非空值转换为新行并动态更新类型标识

本文介绍使用 pandas 的 melt、stack 和 explode 等方法，将 aka、lqaka 等辅助名称列中非空值“下移”为独立行，同时将原列名自动设为 name type，并保留主信息行（如 primary）与其他列数据的完整性。

本文介绍使用 pandas 的 melt、stack 和 explode 等方法，将 aka、lqaka 等辅助名称列中非空值“下移”为独立行，同时将原列名自动设为 name type，并保留主信息行（如 primary）与其他列数据的完整性。

在数据清洗与标准化过程中，常需将宽表中多个别名类字段（如 AKA、LQAKA）展开为长格式——即每个非空别名作为新行插入到对应主记录下方，并赋予相应类型标签（如 "AKA" 或 "LQAKA"），而原始主记录（Name Type == "Primary"）及其其他辅助列（如 'Other'）需完整保留。以下是高效、可扩展的实现方案。

✅ 基础方案：melt + dropna + 后处理

适用于标准单值列场景：

import pandas as pd

data = {
    'Name Type': ["Primary", "Primary", "Primary"],
    'Full Name': ["John Snow", "Daenerys Targaryen", "Brienne Tarth"], 
    'AKA': ["Aegon Targaryen", None, None],
    'LQAKA': ["The Bastard of Winterfell", "Mother of Dragons", None],
    'Other': ["Info", "Info", "Info"]
}
df = pd.DataFrame(data)

# 1. 以固定列（Name Type, Other）为ID，熔化其余列
out = (df.melt(['Name Type', 'Other'], ignore_index=False)
         .dropna(subset='value')  # 过滤 None 值
         .sort_index(kind='stable', ignore_index=True)  # 保持原始行序
         .rename(columns={'value': 'Full Name'}))

# 2. 将 variable 列（原列名）映射到 Name Type，仅对非 Full Name 行生效
mask = out['variable'] != 'Full Name'
out.loc[mask, 'Name Type'] = out.pop('variable')
out.loc[mask, 'Other'] = ''  # 清空其他列值（按需求保留或置空）

print(out)

输出：

Porkbun

一款AI工具，主要用于通过 API v3 管理 Porkbun DNS 记录和域名。用于在 Porkbun 上创建、读取、更新或删除 DNS 记录；列出域名；配置 API 访问；处理常见记录类型（A、AAAA、CNAME、MX、TXT 等）。该技能包含 CLI 工具 `scripts/porkbun-dns.js`，用于可靠执行 DNS 操作，适合需要提升相关任务效率的用户。

下载

  Name Type Other                  Full Name
0   Primary  Info                  John Snow
1       AKA        Aegon Targaryen
2     LQAKA        The Bastard of Winterfell
3   Primary  Info         Daenerys Targaryen
4     LQAKA        Mother of Dragons
5   Primary  Info              Brienne Tarth

⚙️ 扩展方案：支持多辅助列 & 动态列识别

当存在更多需展开的列（如 AKA, LQAKA, Alias1, Alias2）时，推荐用集合运算明确 ID 列：

# 自动识别所有需保留的“主信息列”（除 Full Name 及别名列外）
id_cols = ['Name Type', 'Other']  # 或更通用：df.columns.difference(['Full Name', 'AKA', 'LQAKA', ...])
cols_to_melt = df.columns.difference(['Full Name'] + id_cols).tolist()

out = (df.melt(id_vars=id_cols, value_vars=cols_to_melt, ignore_index=False)
         .dropna(subset='value')
         .sort_index(kind='stable', ignore_index=True)
         .rename(columns={'value': 'Full Name'}))

mask = out['variable'] != 'Full Name'
out.loc[mask, 'Name Type'] = out.pop('variable')
out.loc[mask, id_cols[1:]] = ''  # 仅清空非 'Name Type' 的 ID 列（如 Other）
out = out[['Name Type', 'Full Name'] + id_cols[1:]]  # 重排列顺序

? 高级方案：支持列表型字段（explode）

若 AKA 或 LQAKA 中包含列表（如 ["Aegon Targaryen", "Lord Snow"]），需在 melt 后增加 explode：

# 示例：AKA 和 LQAKA 可含 list
data_with_lists = {
    'Name Type': ["Primary", "Primary", "Primary"],
    'Full Name': ["John Snow", "Daenerys Targaryen", "Brienne Tarth"],
    'AKA': [["Aegon Targaryen", "Lord Snow"], None, None],
    'LQAKA': ["The Bastard of Winterfell", ["Mother of Dragons", "The Unburnt"], None],
    'Other': ["Info", "Info", "Info"]
}
df_list = pd.DataFrame(data_with_lists)

id_cols = ['Name Type', 'Other']
cols_to_melt = df_list.columns.difference(['Full Name'] + id_cols).tolist()

out = (df_list.melt(id_vars=id_cols, value_vars=cols_to_melt, ignore_index=False)
         .dropna(subset='value')
         .sort_index(kind='stable', ignore_index=True)
         .rename(columns={'value': 'Full Name'})
         .explode('Full Name', ignore_index=True))  # 展开列表为多行

mask = out['variable'] != 'Full Name'
out.loc[mask, 'Name Type'] = out.pop('variable')
out.loc[mask, id_cols[1:]] = ''
out = out[['Name Type', 'Full Name'] + id_cols[1:]]