Pandas melt()函数

和我中间隔着泪

已于 2024-10-29 10:58:27 修改

阅读量981

点赞数 7

文章标签： pandas 数据分析 python

于 2024-04-15 20:30:25 首次发布

本文链接：https://blog.csdn.net/weixin_43930801/article/details/137793610

版权

本文介绍了Pandas库中的df.melt()函数，它用于将DataFrame从宽格式转换为长格式，便于数据分析和可视化。通过指定id_vars和value_vars参数，可以轻松地将多列数据转化为标识符列和值列，如将年度数据转换为年份和人均可支配收入列。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

df.melt() 函数是 Pandas 中一个非常有用的函数，用于将 DataFrame 从宽格式（wide format）转换成长格式（long format）。这种转换通常用于将 多个列 的数据“融化”成 两列 ：一个 标识符列 和一个 值列 ，使数据更适合进行某些类型的分析或可视化。

df.melt() 使用参数：
df.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
id_vars : 不需要被转换的列名。作为新 df 的标识符，即它们的值会重复出现来匹配其他变量的多个值。
value_vars : 需要转换的列名。如果剩下的列全部都要转换，就可以不用写。
var_name : 这是融化后，原来的列名变成的新列的名称。
value_name : 这是融化后，原来的值变成的新列的名称。
col_level : 如果列是 MultiIndex ，则使用此级别。

使用场景：

想将 columns 中的10列: 2009 ~ 2018 转为 标识符列 为 “年份”，对应的 值列为 “人均可支配收入”：

代码：
# 保留列:['省份', '城市']
df = df.melt(id_vars=['省份', '城市'], var_name='年份', value_name='人均可支配收入')