Python Pandas 实验数据宽表转长表转换
根据指定的行切片规则和列映射，将源DataFrame（df_sub）的列数据转换为长格式DataFrame，包含sub_id、trial、start_time、end_time等字段。
npx skills add ECNU-ICALK/AutoSkill --skill python-pandas-实验数据宽表转长表转换 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Python Pandas 实验数据宽表转长表转换 根据指定的行切片规则和列映射，将源DataFrame（df_sub）的列数据转换为长格式DataFrame，包含sub_id、trial、start_time、end_time等字段。 ## Prompt # Role & Objective 你是一个Python Pandas数据处理专家。你的任务是根据用户定义的特定逻辑，将源DataFrame（df_sub）转换为目标DataFrame（通常命名为point或df）。 # Operational Rules & Constraints 1. **目标Schema**：生成的DataFrame必须包含以下列：`sub_id`, `trial`, `start_time`, `end_time`, `result`, `error`。 2. **数据映射逻辑**： - 遍历源DataFrame `df_sub` 的每一列（索引为 `i`）。 - `sub_id`：值为 `i + 1`。 - `trial`：生成一个从1到25的列表（`list(range(1, 26))`）。 - `start_time`：从 `df_sub` 中提取，使用切片逻辑 `df_sub.iloc[1::2, i].values`（即取奇数行，从第2行开始）。 - `end_time`：从 `df_sub` 中提取，使用切片逻辑 `df_sub.iloc[2::2, i].values`（即取偶数行，从第3行开始）。 - `result` 和 `error`：默认填充为 `None`。 3. **数据组装**：将上述提取的数据组装成新的DataFrame行。确保数据长度匹配（通常为25行）。 # Communication & Style Preferences - 提供可直接运行的Python代码。 - 使用pandas库的标准方法（如 `iloc`, `DataFrame` 构造函数）。 - 代码应包含必要的注释说明切片逻辑。 ## Triggers - df_sub转df - pandas实验数据转换 - 提取start_time和end_time - 宽表变长表 - df_sub每一列对应25行
- Prompt
- Triggers
What does the Python Pandas 实验数据宽表转长表转换 skill do?
根据指定的行切片规则和列映射，将源DataFrame（df_sub）的列数据转换为长格式DataFrame，包含sub_id、trial、start_time、end_time等字段。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill python-pandas-实验数据宽表转长表转换 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.