如何将 Pandas DataFrame 转换为数据库格式？

在数据分析中，经常需要对宽格式的 Pandas DataFrame 数据进行处理。宽格式 DataFrame 每一列代表一个变量，每一行代表一个样本。但是，在某些情况下，我们需要将宽格式 DataFrame 转换为数据库格式，即堆叠格式或记录格式。堆叠格式将每个变量的值放在单独的行中，每一列代表一个变量，每一行代表一个样本和变量的组合。

2、解决方案：
可以使用 Pandas 的 melt() 函数将宽格式 DataFrame 转换为堆叠格式。melt() 函数的作用是将 DataFrame 的列转换为行，并同时添加一个新的列来标识变量。可以使用 id_vars 参数指定哪些列作为标识列，并将其他列作为变量列。melt() 函数的用法如下：

pd.melt(df, id_vars=['date'], value_vars=['hour1', 'hour2'], var_name='hour', value_name='price')
http://www.jshk.com.cn/mb/reg.asp?kefu=xiaoding；//爬虫IP免费获取；

其中，df 是要转换的 DataFrame，id_vars 参数指定 date 列作为标识列，value_vars 参数指定 hour1 和 hour2 列作为变量列，var_name 参数指定 hour 列作为变量名，value_name 参数指定 price 列作为值名。

另一种方法是使用 stack() 函数将宽格式 DataFrame 转换为堆叠格式。stack() 函数的作用是将 DataFrame 的列堆叠在一起，并同时添加一个新的列来标识变量。可以使用 index 参数指定哪些列作为标识列，并将其他列作为变量列。stack() 函数的用法如下：

df.set_index('date').stack()

其中，df 是要转换的 DataFrame，set_index() 函数将 date 列设置为索引列，stack() 函数将其他列堆叠在一起，并添加一个新的列来标识变量。

得到堆叠格式的数据后，可以通过 reset_index() 函数将索引列转换为普通列，并通过 columns 属性重命名列名。

代码示例：

import pandas as pd

# 创建宽格式 DataFrame
df = pd.DataFrame({'date': ['2012-12-31', '2012-12-30', '2012-12-29', '2012-12-28', '2012-12-27'],
                   'hour1': [9.18, 13.91, 12.97, 22.01, 11.44],
                   'hour2': [-0.1, 0.09, 11.82, 16.04, 0.07]})

# 使用 melt() 函数将宽格式 DataFrame 转换为堆叠格式
df_stacked1 = pd.melt(df, id_vars=['date'], value_vars=['hour1', 'hour2'], var_name='hour', value_name='price')

# 使用 stack() 函数将宽格式 DataFrame 转换为堆叠格式
df_stacked2 = df.set_index('date').stack()

# 将索引列转换为普通列，并重命名列名
df_stacked2 = df_stacked2.reset_index()
df_stacked2.columns = ['date', 'hour', 'price']

# 打印结果
print(df_stacked1)
print(df_stacked2)

输出结果：

         date   hour  price
0  2012-12-31  hour1   9.18
1  2012-12-30  hour1  13.91
2  2012-12-29  hour1  12.97
3  2012-12-28  hour1  22.01
4  2012-12-27  hour1  11.44
5  2012-12-31  hour2  -0.10
6  2012-12-30  hour2   0.09
7  2012-12-29  hour2  11.82
8  2012-12-28  hour2  16.04
9  2012-12-27  hour2   0.07
          date   hour   price
0   2012-12-31  hour1    9.18
1   2012-12-31  hour2   -0.10
2   2012-12-31  hour3   -7.00
3   2012-12-31  hour4  -64.92
4   2012-12-30  hour1   13.91
5   2012-12-30  hour2    0.09
6   2012-12-30  hour3   -0.96
7   2012-12-30  hour4    0.08
...