Python pandas.melt用法及代码示例

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

将 DataFrame 从宽格式转为长格式，可选择设置标识符。

此函数可用于将 DataFrame 转换为一个或多个列是标识符变量 (id_vars) 的格式，而所有其他列，被认为是测量变量 (value_vars)，在行轴上是 “unpivoted”，只留下两个非标识符列，‘variable’ and ‘value’。

参数：

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，则使用所有未设置为 id_vars 的列。

var_name：标量

用于‘variable’ 列的名称。如果没有，它使用frame.columns.name 或‘variable’。

value_name：标量，默认 ‘value’

用于‘value’ 列的名称。

col_level：int 或 str，可选

如果列是 MultiIndex，则使用此级别来融化。

ignore_index：布尔值，默认为真

如果为 True，则忽略原始索引。如果为 False，则保留原始索引。索引标签将根据需要重复。

DataFrame: 未透视的 DataFrame 。

注意：

有关更多示例，请参阅用户指南。

例子：

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

>>> pd.melt(df, id_vars=['A'], value_vars=['B'])
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5

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

‘variable’ and ‘value’ 列的名称可以自定义：

>>> pd.melt(df, id_vars=['A'], value_vars=['B'],
...         var_name='myVarname', value_name='myValname')
   A myVarname  myValname
0  a         B          1
1  b         B          3
2  c         B          5

原始索引值可以保留：

>>> pd.melt(df, id_vars=['A'], value_vars=['B', 'C'], ignore_index=False)
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5
0  a        C      2
1  b        C      4
2  c        C      6

如果您有 multi-index 列：

>>> df.columns = [list('ABC'), list('DEF')]
>>> df
   A  B  C
   D  E  F
0  a  1  2
1  b  3  4
2  c  5  6

>>> pd.melt(df, col_level=0, id_vars=['A'], value_vars=['B'])
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5

>>> pd.melt(df, id_vars=[('A', 'D')], value_vars=[('B', 'E')])
  (A, D) variable_0 variable_1  value
0      a          B          E      1
1      b          B          E      3
2      c          B          E      5

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.melt。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：