【转】Python Pandas.melt()用法及代码示例

为了简化表中数据的分析，我们可以使用Python中的Pandas将数据重塑为更computer-friendly的形式。 Pandas.melt()是这样做的函数之一。
Pandas.melt()取消将DataFrame从宽格式转换为长格式。
melt()函数很有用，可以将DataFrame压缩为一种格式，其中一列或多列是标识符变量，而所有其他列(被视为测量变量)都不会旋转到行轴，仅留下两个非标识符列，变量和值。
用法:

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

参数：

• frame: DataFrame
  id_vars [元组，列表或ndarray，可选]：用作标识符变量的列。
  value_vars [元组，列表或ndarray，可选]：要取消透视的列。如果未指定，则使用未设置为id_vars的所有列。
  var_name [标量]：用于“变量”列的名称。如果为None，则使用frame.columns.name或“ variable”。
  value_name [标量，默认为“值”]：用于“值”列的名称。
  col_level [int或字符串，可选]：如果列是MultiIndex，则使用此级别进行融合。
  
   

例：

# Create a simple dataframe 
  
# importing pandas as pd 
import pandas as pd 
  
# creating a dataframe 
df = pd.DataFrame({'Name':{0:'John', 1:'Bob', 2:'Shiela'}, 
                   'Course':{0:'Masters', 1:'Graduate', 2:'Graduate'}, 
                   'Age':{0:27, 1:23, 2:21}}) 
df

# Name is id_vars and Course is value_vars 
pd.melt(df, id_vars =['Name'], value_vars =['Course'])

# multiple unpivot columns 
pd.melt(df, id_vars =['Name'], value_vars =['Course', 'Age'])

# Names of ‘variable’ and ‘value’ columns can be customized 
pd.melt(df, id_vars =['Name'], value_vars =['Course'], 
              var_name ='ChangedVarname', value_name ='ChangedValname')