pandas melt函数,pandas melt函数详解及示例(26)

作者 : 慕源网 本文共1937个字,预计阅读时间需要5分钟 发布时间: 2021-12-2 共790人阅读

Pandas melt()介绍

数据分析的时候经常要把宽数据—>>长数据,有点像你们用excel 做透视跟逆透视的过程

Pandas Melt() 函数用于将 DataFrame 数据从从宽数据转换为长数据,有选择的保留标识列

本文是Python Pandas教程系列的一部分,您可以点击Python Pandas使用教程查看所有。

语法和参数

pandasmelt() 的语法和参数如下:

Pandas.melt(column_level=None, variable_name=None, Value_name=’value’, value_vars=None, id_vars=None, frame)
参数 rame : DataFrame

id_vars:tuplelist,或ndarray,可选

用作标识符变量的列。

value_varstuplelist, 或 ndarray,可选

要unpivot的列。如果未指定,则使用未设置为id_vars的所有列。

var_name:标量

用于‘variable’列的名称。如果为None,则使用 frame.columns.name‘variable’

value_name:标量,默认为'value'

用于‘value’列的名称。

col_levelint 或 string,可选

如果列是MultiIndex,则使用此级别进行融合。

在 Pandas 中,melt() 函数是如何工作的?

现在我们看到了有关melt() 函数在Pandas 中如何工作的各种示例。

示例#1

使用melt() 函数定义id_vars 和value_vars。

代码:

import pandas as pd
df = pd.DataFrame({'Name': {0: 'Span', 1: 'Vetts', 2: 'Suchu'},
'Score': {0: '98', 1: '97', 2: '96'},
'Age': {0: 24, 1: 30, 2: 23}})
pd.melt(df, id_vars =['Name'], value_vars =['Score'])
print(pd.melt(df, id_vars =['Name'], value_vars =['Score']) )

输出:

在上面的程序中,我们首先将 Pandas 库作为 pd 导入,然后在名称、分数和年龄标题下定义数据框。一旦我们定义了数据框,我们就需要使用melt 函数来melt  age 列的值,并且只需要打印score 列和name 列的变量值。因此,一旦我们使用这个函数,值就会被打印出来并最终显示输出。

示例#2

使用melt() 函数打印所有反透视列值。

代码:

import pandas as pd
df = pd.DataFrame({'Name': {0: 'Span', 1: 'Vetts', 2: 'Suchu'},
'Score': {0: '98', 1: '97', 2: '96'},
'Age': {0: 24, 1: 30, 2: 23}})
pd.melt(df, id_vars =['Name'], value_vars =['Score', 'Age'])
print(pd.melt(df, id_vars =['Name'], value_vars =['Score', 'Age'])  )

输出:

在上面的程序中,我们首先将pandas库导入为pd,然后我们定义了dataframe。定义数据框后,我们使用melt() 函数对所有列值进行反透视并将它们打印在输出中。因此,该命令会考虑 Pandas 中的 Melt() 函数,并最终在上面显示的输出中显示变量值和列值。

示例 #3

代码:

import pandas as pd
df = pd.DataFrame({'Name': {0: 'Span', 1: 'Vetts', 2: 'Suchu'},
'Score': {0: '98', 1: '97', 2: '96'},
'Age': {0: 24, 1: 30, 2: 23}})
pd.melt(df, id_vars =['Name'], value_vars =['Score'],
var_name ='NewName', value_name ='NewName')
print(pd.melt(df, id_vars =['Name'], value_vars =['Score'],
var_name ='NewName', value_name ='NewName') )

输出:

在这里,我们使用melt() 函数来自定义变量值的名称,并最终打印定义的数据帧的输出。和之前一样,我们首先将 Pandas 库作为 pd 导入,最后定义数据框。定义完数据框后,我们使用这个melt()函数来执行上面的实现。

结论

这是 Pandasmelt() 的指南。在这里,我们还讨论了 pandas melt函数的介绍和工作原理,以及示例及其代码实现。


慕源网 » pandas melt函数,pandas melt函数详解及示例(26)

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录