Pandas Pandas Melt 函数

在本文中，我们将介绍Pandas Melt Function。这个函数是Pandas库中的一个数据转换工具，用于将宽格式的数据转换为长格式的数据。

使用Pandas Melt Function的优点是能够帮助我们更好地理解和分析数据。例如，我们可以使用Melt Function将多列数据合并为一列，这在某些分析和可视化任务中非常有用。

阅读更多：Pandas 教程

Pandas Melt Function的用法

Pandas Melt Function有两种基本用法：

将多列数据合并为一列
将数据行展开为多个数据列

以下是两种用法的概述和示例：

将多列数据合并为一列

在许多情况下，我们可能需要把多列数据合并为一列。例如，在一个数据集中，每个月的销售额记录在不同的列中。我们可以使用Melt Function将这些列合并为一列，并添加一个额外的“Month”列来指示每个月的名称。

下面的代码示例演示了如何使用Melt Function将多列数据合并为一列：

import pandas as pd

# 创建一个数据集
data = {
        'Item': ['Item A', 'Item B', 'Item C'],
        'Jan Sales': [100, 200, 300],
        'Feb Sales': [150, 250, 350],
        'Mar Sales': [200, 300, 400]
}

df = pd.DataFrame(data)

# 使用Melt Function将多列数据合并为一列，并添加Month列
melted = pd.melt(df, id_vars=['Item'], var_name='Month', value_name='Sales')

print(melted)

上述代码将输出如下结果：

     Item     Month  Sales
0  Item A  Jan Sales    100
1  Item B  Jan Sales    200
2  Item C  Jan Sales    300
3  Item A  Feb Sales    150
4  Item B  Feb Sales    250
5  Item C  Feb Sales    350
6  Item A  Mar Sales    200
7  Item B  Mar Sales    300
8  Item C  Mar Sales    400

在这个示例中，我们使用了id_vars参数来指定我们想要保留的列，其他列都将被合并为一列并添加到Melt Function的输出中。

将数据行展开为多个数据列

有时候，我们需要将数据行展开为多个数据列。例如，在一个数据集中，我们可能想要将每个人的多个电话号码记录展开为单独的电话号码列。

下面的代码示例演示了如何使用Melt Function将数据行展开为多个数据列：

import pandas as pd

# 创建一个数据集
data = {
        'Name': ['John', 'Jane', 'Steve'],
        'Phone 1': ['123', '456', '789'],
        'Phone 2': ['234', '567', '890'],
        'Phone 3': ['345', '678', '901']
}

df = pd.DataFrame(data)

# 使用Melt Function将数据行展开为多个数据列
melted = pd.melt(df, id_vars=['Name'], var_name='Phone Number', value_name='Phone')

print(melted)

上述代码将输出如下结果：

    Name Phone Number Phone
0   John      Phone 1   123
1   Jane      Phone 1   456
2  Steve      Phone 1   789
3   John      Phone 2   234
4   Jane      Phone 2   567
5  Steve      Phone 2   890
6   John      Phone 3   345
7   Jane      Phone 3   678
8  Steve      Phone 3   901

在这个示例中，我们使用了var_name参数来指定生成的列的列名，value_name参数用于指定生成的列中的值的列名。