每个产品在不同商店的价格

表：Products

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| product_id  | int     |
| store1      | int     |
| store2      | int     |
| store3      | int     |
+-------------+---------+
在 SQL 中，这张表的主键是 product_id（产品Id）。
每行存储了这一产品在不同商店 store1, store2, store3 的价格。
如果这一产品在商店里没有出售，则值将为 null。

请你重构 Products 表，查询每个产品在不同商店的价格，使得输出的格式变为(product_id, store, price) 。如果这一产品在商店里没有出售，则不输出这一行。

输出结果表中的 顺序不作要求 。

解题思路：

1.列变行

products = pd.melt(products, id_vars=['product_id'], value_vars=['store1', 'store2', 'store3'], var_name = 'store', value_name='price')
products = products[~products['price'].isna()]

注：

melt() 是 Pandas 中的一个函数，用于将数据框从宽格式（wide format）转换为长格式（long format）。它将数据框中的列名作为标识符变量，并将这些列展开成一个或多个观察值变量。

以下是 melt() 函数的详细解释：

语法：

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

参数：

• id_vars：可选参数，指定要保留的列，作为标识符变量。这些列不会被展开，默认为 None，表示所有的列都会被展开。
• value_vars：可选参数，指定要展开的列，默认为 None，表示除了 id_vars 列之外的所有列都会被展开。
• var_name：可选参数，指定新生成的列的名称，默认为 None，表示使用原始列的名称作为新列的名称。
• value_name：可选参数，指定新生成的值列的名称，默认为 'value'。
• col_level：可选参数，指定要展开的多级列的级别，默认为 None。

返回值： 返回一个新的数据框，其中包含将原始数据框中的列展开后得到的观察值。