pandas_melt

原型：

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

    Column(s) to use as identifier variables.

  • value_vars : tuple, list, or ndarray, optional

    Column(s) to unpivot. If not specified, uses all columns that are not set as id_vars.

  • var_name : scalar

    Name to use for the ‘variable’ column. If None it uses frame.columns.name or ‘variable’.

  • value_name : scalar, default ‘value’

    Name to use for the ‘value’ column.

  • col_level : int or string, optional

    If columns are a MultiIndex then use this level to melt.

举个简单的例子：


1
2
3
4
5
6
7
8
9
10
11
12
13
In [1]: import pandas as pd
   ...: df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c
   ...: '},
   ...:                    'B': {0: 1, 1: 3, 2: 5},
   ...:                    'C': {0: 2, 1: 4, 2: 6}})
   ...:
In [2]: df
Out[2]:
   A  B  C
0  a  1  2
1  b  3  4
2  c  5  6

id_vars － 需要保留的原始列

首先使用 id_vars 试一试，可以看出列 A 保持原样，其他 列 均转化成 行

1
2
3
4
5
6
7
8
9
In [3]: pd.melt(df, id_vars=['A'])
Out[3]:
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5
3  a        C      2
4  b        C      4
5  c        C      6

value_vars － 需要把 列 转成 行 的列名

使用 value_vars 转换 B 列，输出数据中只有列 B 保留

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
In [4]: pd.melt(df, id_vars= ['A'], value_vars = ['B']
   ...: )
Out[4]:
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5
In [5]: pd.melt(df, id_vars = ['A'], value_vars = ['B'
   ...: , 'C'])
Out[5]:
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5
3  a        C      2
4  b        C      4
5  c        C      6

var_name － 为列转成行之后的列名进行重命名，默认 variable

value_name － 为为列转成行之后的列变量进行重命名，默认 value

先试一下重命名为 varNameTest 和 valueNameTest

1
2
3
4
5
6
7
8
9
10
11
In [6]: pd.melt(df, id_vars = ['A'], value_vars = ['B'
   ...: , 'C'], var_name = 'varNameTest', value_name =
   ...:  'valueNameTest')
Out[6]:
   A varNameTest  valueNameTest
0  a           B              1
1  b           B              3
2  c           B              5
3  a           C              2
4  b           C              4
5  c           C              6

接下来试一下 multi-index columns

1
2
3
4
5
6
7
8
9
In [7]: df.columns = [list('ABC'), list('DEF')]
In [8]: df
Out[8]:
   A  B  C
   D  E  F
0  a  1  2
1  b  3  4
2  c  5  6

这里会需要 col_level 参数：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
In [9]: pd.melt(df, col_level = 0, id_vars = ['A'], va
   ...: lue_vars = ['B'])
Out[9]:
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5
In [10]: pd.melt(df, id_vars = [('A','D')], value_vars
    ...:  = [('B','E')])
Out[10]:
  (A, D) variable_0 variable_1  value
0      a          B          E      1
1      b          B          E      3
2      c          B          E      5