Pandas-melt

pandas.melt()函数用于将DataFrame从宽格式转换为长格式。在宽格式中，变量通常作为列存在，而在长格式中，这些变量通常被"融化"到一列中，并使用一个或多个标识符变量来区分。这在数据清洗和重塑数据时非常有用。

下面是pandas.melt()函数的基本语法：

pythonCopy code

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

参数解释：

• frame: 要转换的DataFrame。
• id_vars: 不需要被融化的列，也就是保持不变的列名。
• value_vars: 需要被融化的列，如果不指定，则默认使用所有未指定为id_vars的列。
• var_name: 新生成的列的名称，默认为variable。
• value_name: 新生成的值列的名称，默认为value。
• col_level: 如果列是MultiIndex（多级索引）的，指定在哪个级别上融化。

例如，假设有如下DataFrame：

python蟒Copy code

解释

import pandas as pd df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'}, 'B': {0: 1, 1: 3, 2: 5}, 'C': {0: 2, 1: 4, 2: 6}})

DataFrame df 如下所示：

cssCSS系统Copy code

解释

A B C 0 a 1 2 1 b 3 4 2 c 5 6

我们可以使用melt()函数将其转换为长格式：

python蟒Copy code

melted_df = pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])

这将会产生一个新的DataFrame melted_df，如下所示：

cssCSS系统Copy code

解释

A variable value 0 a B 1 1 b B 3 2 c B 5 3 a C 2 4 b C 4 5 c C 6

这里，原始的DataFrame中的列A被保留为id_vars，列B和C被融化到一个新的variable列，并且它们的值被融化到一个新的value列。