Pandas: как изменить форму DataFrame с широкого на длинный

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