pandas.DataFrame.melt

DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None, ignore_index=True)[source]

Преобразование DataFrame из широкой формы в длинную, при необходимости сохраняя идентификаторы.

Эта функция полезна для преобразования DataFrame в формат, где один или несколько столбцов являются идентификационными переменными (id_vars), а все остальные столбцы, рассматриваемые как измерительные переменные (value_vars), «разворачиваются» в строчный индекс, оставляя только два столбца, не являющихся идентификаторами, ‘variable’ и ‘value’.

Параметры

id_vars:кортеж, список или массив NumPy, необязательно: Столбец(ы) для использования в качестве идентификационных переменных.
value_vars:кортеж, список или массив NumPy, необязательно: Столбец(ы) для разворота. Если не указаны, используются все столбцы, которые не установлены как id_vars.
var_name:скаляр: Имя для столбца ‘variable’. Если None, используется frame.columns.name или ‘variable’.
value_name:скаляр, по умолчанию ‘value’: Имя для столбца ‘value’.
col_level:целое число или строка, необязательно: Если столбцы являются многоуровневым индексом, используйте этот уровень для разворота.
ignore_index:bool, по умолчанию True: Если True, исходный индекс игнорируется. Если False, исходный индекс сохраняется. Метки индекса будут повторяться по мере необходимости.

Добавлена в версии 1.1.0.

Возвращает

DataFrame: Преобразованный в длинную форму DataFrame.

См. также

melt: Идентичный метод.
pivot_table: Создать сводную таблицу в стиле электронных таблиц как DataFrame.
DataFrame.pivot: Возвратить перестроенный DataFrame, организованный по заданным значениям индекса/столбца.
DataFrame.explode: Развернуть DataFrame из столбцов со списками в длинную форму.

Примечания

См. руководство пользователя для получения дополнительных примеров.

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

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

>>> df.melt(id_vars=['A'], value_vars=['B', 'C'])
   A variable  value
a        B      1
b        B      3
c        B      5
a        C      2
b        C      4
c        C      6

Имена столбцов ‘variable’ и ‘value’ могут быть настраиваемыми:

>>> df.melt(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

Исходные значения индекса могут быть сохранены:

>>> df.melt(id_vars=['A'], value_vars=['B', 'C'], ignore_index=False)
   A variable  value
a        B      1
b        B      3
c        B      5
a        C      2
b        C      4
c        C      6

Если у вас многоуровневые столбцы:

>>> 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

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

>>> df.melt(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

© 2008–2022, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/1.5.0/reference/api/pandas.DataFrame.melt.html