pandas.melt

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None) [source]

Преобразование DataFrame из широкой формы в длинную, с возможностью сохранения идентификационных переменных.

Эта функция полезна для преобразования DataFrame в формат, где одна или несколько колонок являются идентификационными переменными (id_vars), а все остальные колонки, рассматриваемые как измерительные переменные (value_vars), «разворачиваются» по строкам, оставляя только две колонки, не являющиеся идентификационными, 'variable' и 'value'.

Параметры:

frame : DataFrame id_vars : tuple, list, or ndarray, optional Столбец(ы) для использования в качестве идентификационных переменных. value_vars : tuple, list, or ndarray, optional Столбец(ы) для разворота. Если не указано, используются все столбцы, которые не заданы как id_vars. var_name : scalar Имя для столбца 'variable'. Если None, используется frame.columns.name или ‘variable’. value_name : scalar, default ‘value’ Имя для столбца 'value'. col_level : int or string, optional Если столбцы являются MultiIndex, использовать этот уровень для разворота.

Возвращаемое значение:

DataFrame Преобразованный DataFrame.

См. также

DataFrame.melt

pivot_table

DataFrame.pivot

Series.explode

Примеры

>>> df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},
...                    'B': {0: 1, 1: 3, 2: 5},
...                    'C': {0: 2, 1: 4, 2: 6}})
>>> df
   A  B  C
0  a  1  2
1  b  3  4
2  c  5  6

>>> pd.melt(df, id_vars=['A'], value_vars=['B'])
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5

>>> pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
   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

Имена столбцов 'variable' и 'value' можно настроить:

>>> pd.melt(df, id_vars=['A'], value_vars=['B'],
...         var_name='myVarname', value_name='myValname')
   A myVarname  myValname
0  a         B          1
1  b         B          3
2  c         B          5

Если у вас столбцы с многоуровневыми индексами:

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

>>> pd.melt(df, col_level=0, id_vars=['A'], value_vars=['B'])
   A variable  value
0  a        B      1
1  b        B      3
2  c        B      5

>>> pd.melt(df, id_vars=[('A', 'D')], value_vars=[('B', 'E')])
  (A, D) variable_0 variable_1  value
0      a          B          E      1
1      b          B          E      3
2      c          B          E      5