Python Pandas.melt()

为了使表格中的数据分析更容易，我们可以使用Python中的Pandas将数据重塑为更适合计算机的形式。Pandas.melt()是实现这一目的的函数之一。
Pandas.melt()将一个DataFrame从宽格式转为长格式。
melt() 函数是有用的，它可以将一个DataFrame转换成一种格式，其中一个或多个列是标识符变量，而所有其他列，被认为是测量变量，被取消对行axis的指向，只留下两个非标识符列，变量和值。
语法 :

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

参数:

frame : DataFrame
id_vars[tuple, list, or ndarray, optional] : 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。如果不指定，则使用所有未被设置为id_vars的列。
var_name[scalar]:用于 “变量 “列的名称。如果没有，则使用 frame.columns.name 或 ‘variable’。
value_name[标量，默认为’value’]：用于’value’列的名称。
col_level[int or string, optional]:如果列是一个MultiIndex，那么使用这个级别来融化。

示例:

# Create a simple dataframe
  
# importing pandas as pd
import pandas as pd
  
# creating a dataframe
df = pd.DataFrame({'Name': {0: 'John', 1: 'Bob', 2: 'Shiela'},
                   'Course': {0: 'Masters', 1: 'Graduate', 2: 'Graduate'},
                   'Age': {0: 27, 1: 23, 2: 21}})
df

Python Pandas.melt()

# Name is id_vars and Course is value_vars
pd.melt(df, id_vars =['Name'], value_vars =['Course'])

Python Pandas.melt()

# multiple unpivot columns
pd.melt(df, id_vars =['Name'], value_vars =['Course', 'Age'])

Python Pandas.melt()

# Names of ‘variable’ and ‘value’ columns can be customized
pd.melt(df, id_vars =['Name'], value_vars =['Course'],
              var_name ='ChangedVarname', value_name ='ChangedValname')