Python数据分析中 melt()函数的一些用法

melt()函数是一个数据重塑工具，用于将宽格式数据转换为长格式数据（Unpivot a DataFrame from wide to long format, optionally leaving identifiers set.）

1. 基本语法

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

• frame : 需要重塑的Dataframe
• id_vars : 保留不变的列，即不进行重塑的列（Column(s) to use as identifier variables）
• value_vars : 要进行重塑的列，若没有为该变量赋值则默认为所有未包含在id_vars中的列（Column(s) to unpivot. If not specified, uses all columns that are not set as id_vars.）
• var_name : 新列中变量名一列的列名（Name to use for the ‘variable’ column. If None it uses frame.columns.name or ‘variable’.）
• value_name : 新列中变量值一列的列名（Name to use for the ‘value’ column.）
• col_level : Name to use for the ‘value’ column.
• ignore_index : If True, original index is ignored. If False, the original index is retained. Index labels will be repeated as necessary.

2. 示例

创建一个简单的DataFrame

X1 = pd.DataFrame(
      dict(
            Person=["Bob", "Alice", "Steve"],
            Age=[32, 24, 64],
            Weight=[128, 86, 95],
            Height=[180, 175, 165],
      )
  )

	Person	Age	Weight	Height
0	Bob	32	128	180
1	Alice	24	86	175
2	Steve	64	95	165

1) 利用id_vars保留列

当只有id_vars被赋值时，未出现在id_vars中的列均会被重塑

X1.melt(id_vars=["Person"])

	Person	variable	value
0	Bob	Age	32
1	Alice	Age	24
2	Steve	Age	64
3	Bob	Weight	128
4	Alice	Weight	86
5	Steve	Weight	95
6	Bob	Height	180
7	Alice	Height	175
8	Steve	Height	165

2) 利用value_vars选择要重塑的列

当id_vars和value_vars均被赋值时，未出现在这两个参数中的列不会在新生成的DataFrame中出现

X1.melt(id_vars=["Person"], value_vars=["Weight", "Height"], var_name="Type", value_name="value")

	Person	Type	value
0	Bob	Weight	128
1	Alice	Weight	86
2	Steve	Weight	95
3	Bob	Height	180
4	Alice	Height	175
5	Steve	Height	165

cf : TP01 Q7, TP02 Q17