Вы можете использовать следующий базовый синтаксис для преобразования кадра данных pandas из широкого формата в длинный формат:
df = pd.melt (df, id_vars='col1', value_vars=['col2', 'col3', ...])
В этом сценарии col1 — это столбец, который мы используем в качестве идентификатора, а col2 , col3 и т. д. — это столбцы, которые мы отменяем.
В следующем примере показано, как использовать этот синтаксис на практике.
Пример: изменение формы кадра данных Pandas с широкого на длинный
Предположим, у нас есть следующие Pandas DataFrame:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'C', 'D'],
'points': [88, 91, 99, 94],
'assists': [12, 17, 24, 28],
'rebounds': [22, 28, 30, 31]})
#view DataFrame
df
team points assists rebounds
0 A 88 12 22
1 B 91 17 28
2 C 99 24 30
3 D 94 28 31
Мы можем использовать следующий синтаксис, чтобы преобразовать этот DataFrame из широкого формата в длинный формат:
#reshape DataFrame from wide format to long format
df = pd.melt (df, id_vars='team', value_vars=['points', 'assists', 'rebounds'])
#view updated DataFrame
df
team variable value
0 A points 88
1 B points 91
2 C points 9 9
3 D points 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31
DataFrame теперь имеет длинный формат.
Мы использовали столбец «команда» в качестве столбца идентификатора и не сводили столбцы «очки», «передачи» и «подборы».
Обратите внимание, что мы также можем использовать аргументы var_name и value_name для указания имен столбцов в новом длинном DataFrame:
#reshape DataFrame from wide format to long format
df = pd.melt (df, id_vars='team', value_vars=['points', 'assists', 'rebounds'],
var_name='metric', value_name='amount')
#view updated DataFrame
df
team metric amount
0 A points 88
1 B points 91
2 C points 99
3 D points 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31
Примечание.Полную документацию по функции Melt () можно найти здесь .
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в Python:
Как добавить строки в Pandas DataFrame
Как добавить столбцы в Pandas DataFrame
Как подсчитать вхождения определенных значений в Pandas DataFrame