在pandas.melt之后保留列索引吗？

如何解决在pandas.melt之后保留列索引吗？

我有一个值随时间变化的数据框。例如，我在一条街道上观察到的汽车数量：

df = pd.DataFrame(
    [{'Orange': 0,'Green': 2,'Blue': 1},{'Orange': 2,'Green': 4,'Blue': 4},{'Orange': 1,'Green': 3,'Blue': 10}
    ])

我想创建图形来突出显示具有最高价值的汽车。所以我按最大值排序。

df.loc[:,df.max().sort_values(ascending=False).index]

   Blue  Green  Orange
0     1      2       0
1     4      4       2
2    10      3       1

我正在使用seaborn来创建这些图。据我了解，我需要将这种表示形式融合为整齐的格式。

tidy = pd.melt(df.reset_index(),id_vars=['index'],var_name='color',value_name='number')

   index   color  number
0      0    Blue      1
1      1    Blue      4
2      2    Blue     10
3      0   Green      2
4      1   Green      4
5      2   Green      3
6      0  Orange      0
7      1  Orange      2
8      2  Orange      1

如何在数据框融化之前添加代表列顺序的列？

   index   color  number   importance
0      0    Blue      1            0
1      1    Blue      4            0
2      2    Blue     10            0
3      0   Green      2            1
4      1   Green      4            1
5      2   Green      3            1
6      0  Orange      0            2 
7      1  Orange      2            2
8      2  Orange      1            2

我看到融化后仍然可以找到最大的列，但是我不确定如何将其作为新列添加到数据框中：

tidy.groupby('color').number.max().sort_values(ascending=False).index

Index(['Blue','Green','Orange'],dtype='object',name='color')

编辑 为了澄清，我将其绘制在折线图上。

axes = sns.relplot(data=tidy,x='index',y='number',hue='color',kind="line")

这是当前图形的外观：

我想使用重要性数据：对线条进行加色/加粗，或将图形拆分为多个图形，因此看起来像这样

解决方法

您可以在各列上创建一个MultiIndex，然后堆叠两个级别。

# Map color to importance
d = (df.max().rank(method='dense',ascending=False)-1).astype(int)

df.columns = pd.MultiIndex.from_arrays([df.columns,df.columns.map(d)],names=['color','importance'])
#color      Orange Green Blue
#importance      2     1    0
#0               0     2    1
#1               2     4    4
#2               1     3   10

df = df.rename_axis(index='index').stack([0,1]).to_frame('value').reset_index()

---

   index   color  importance  value
0      0    Blue           0    1.0
1      0   Green           1    2.0
2      0  Orange           2    0.0
3      1    Blue           0    4.0
4      1   Green           1    4.0
5      1  Orange           2    2.0
6      2    Blue           0   10.0
7      2   Green           1    3.0
8      2  Orange           2    1.0

,

另一个选项基于您拥有的熔体，并在以后派生重要性列：

tidy["importance"] = tidy["color"].map(df.columns.to_list().index)