Python Pandas DataFrame melt方法用法及代碼示例

例子

考慮以下 DataFrame ：

df = pd.DataFrame({"name":["alex","bob","cathy"], "age":[40,50,60], "height":[150,160,170]})
df



   name   age  height
0  alex   40   150
1  bob    50   160
2  cathy  60   170

基本用法

這裏，標識符列是 name ，要取消透視的列是 age 和 height ：

df.melt(id_vars="name", value_vars=["age","height"])



   name   variable  value
0  alex   age       40
1  bob    age       50
2  cathy  age       60
3  alex   height    150
4  bob    height    160
5  cathy  height    170

在這裏，我們實際上可以省略 value_vars 參數，因為默認情況下，除了標識符列 ( name ) 之外的所有列都將被取消透視。

指定value_vars

假設我們隻想取消透視一列而不是兩列。我們可以使用 value_vars 參數簡單地指定要取消透視的列：

df.melt(id_vars="name", value_vars="age")



   name   variable  value
0  alex   age       40
1  bob    age       50
2  cathy  age       60

請注意 height 列是如何被剝離的。如果我們想保留高度列，我們必須將其包含在 id_vars 參數中，如下所示：

df.melt(id_vars=["name","height"], value_vars="age")



   name   height  variable  value
0  alex   150     age       40
1  bob    160     age       50
2  cathy  170     age       60

指定var_name和value_name

在這裏，我們再次展示df供您參考：

df



   name   age  height
0  alex   40   150
1  bob    50   160
2  cathy  60   170

正如我們在上麵的示例中看到的，新的列標簽默認為 "variable" 和 "value" ，我們可以通過指定 var_name 和 value_name 來更改它，如下所示：

df.melt(id_vars="name", var_name="attribute", value_name="number")



   name   attribute  number
0  alex   age        40
1  bob    age        50
2  cathy  age        60
3  alex   height     150
4  bob    height     160
5  cathy  height     170