【Python专题】pandas.melt函数

大家经常把melt函数和透视表pivot_table函数放在一起对比。

同时，这里有一篇不错的对比的文章。Pandas melt和pivot_table比excel透视表好用多了

以及pandas行转列，列转行操作

---

一、作用

pandas.melt函数是为了将数据转换为对计算机友好的函数，当然，也是为了更加便于计算。

它主要是可以将在宽度上的表现形式转换为在长度上的表现形式。（Pandas.melt() unpivots a DataFrame from wide format to long format.）

melt（）函数可用于将DataFrame转换成一种格式，在这种格式中，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。

二、参数详解

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

参数	含义
frame：	要处理的数据集，格式需要为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 [scalar]：	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'value']：	用于“ value”列的名称。
col_level [int或string，可选]：	如果列是MultiIndex，则使用此级别进行融合。

三、示例

3.1使用的数据集

# 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}}) 

	Name	Course	Age
0	John	Masters	27
1	Bob	Graduate	23
2	Shiela	Graduate	21

3.2转换

第一种

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

	Name	variable	value
0	John	Course	Masters
1	Bob	Course	Graduate
2	Shiela	Course	Graduate

第二种

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

	Name	variable	value
0	John	Course	Masters
1	Bob	Course	Graduate
2	Shiela	Course	Graduate
3	John	Age	27
4	Bob	Age	23
5	Shiela	Age	21

第三种

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

 

	Name	ChangedVarname	ChangedValname
0	John	Course	Masters
1	Bob	Course	Graduate
2	Shiela	Course	Graduate

 

 

【参考文献】

1.Python | Pandas.melt()​​​​​​​