pandas列转行|极客教程

pandas列转行

在数据处理过程中，有时候我们需要将DataFrame中的列转为行，这在一些特定的分析和显示需求中非常有用。在pandas中，我们可以通过melt()方法来实现列转行的操作。

1. `melt()`方法的基本用法

melt()方法是pandas中用于完成列转行操作的函数，它可以将DataFrame中的一部分列转换为行。下面我们通过一个简单的示例来演示melt()方法的基本用法。

import pandas as pd

# 创建一个示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Math': [90, 88, 92],
    'English': [85, 87, 89]
}

df = pd.DataFrame(data)
print("原始DataFrame:")
print(df)

# 使用melt方法将Math和English列转为行
df_melted = pd.melt(df, id_vars=['Name'], value_vars=['Math', 'English'], var_name='Subject', value_name='Score')
print("\n转换后的DataFrame:")
print(df_melted)

运行以上代码，我们可以看到原始的DataFrame和转换后的DataFrame的对比结果：

原始DataFrame:
      Name  Math  English
0    Alice    90       85
1      Bob    88       87
2  Charlie    92       89

转换后的DataFrame:
      Name  Subject  Score
0    Alice     Math     90
1      Bob     Math     88
2  Charlie     Math     92
3    Alice  English     85
4      Bob  English     87
5  Charlie  English     89

可以看到，通过melt()方法，我们成功将原始DataFrame中的Math和English列转换为了Subject和Score行。

2. 更复杂的列转行操作

除了基本的列转行操作外，melt()方法还可以完成更复杂的转换。例如，有时候我们需要将多列同时转为行，这时可以使用var_name参数来指定列名的前缀。另外，我们还可以根据不同的列生成不同的行索引，这需要使用id_vars参数。下面举一个示例来说明这种情况。

import pandas as pd

# 创建一个更复杂的示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Math_Midterm': [90, 88, 92],
    'Math_Final': [95, 89, 94],
    'English_Midterm': [85, 87, 89],
    'English_Final': [88, 90, 92]
}

df = pd.DataFrame(data)
print("原始DataFrame:")
print(df)

# 使用melt方法将Math和English的MidTerm和Final列转为行
df_melted = pd.melt(df, id_vars=['Name'], value_vars=['Math_Midterm', 'Math_Final', 'English_Midterm', 'English_Final'], 
                    var_name='Exam', value_name='Score')
print("\n转换后的DataFrame:")
print(df_melted)

运行以上代码，我们可以看到原始的DataFrame和转换后的DataFrame的对比结果：

原始DataFrame:
      Name  Math_Midterm  Math_Final  English_Midterm  English_Final
0    Alice            90          95               85             88
1      Bob            88          89               87             90
2  Charlie            92          94               89             92

转换后的DataFrame:
      Name             Exam  Score
0    Alice     Math_Midterm     90
1      Bob     Math_Midterm     88
2  Charlie     Math_Midterm     92
3    Alice       Math_Final     95
4      Bob       Math_Final     89
5  Charlie       Math_Final     94
6    Alice  English_Midterm     85
7      Bob  English_Midterm     87
8  Charlie  English_Midterm     89
9    Alice    English_Final     88
10     Bob    English_Final     90
11 Charlie    English_Final     92

通过以上示例，我们展示了更复杂的列转行操作，成功将原始DataFrame中的不同科目和考试类型的成绩列转为了行。这种方法在处理多维表格数据时非常实用。