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, необязательно сохраняя идентификаторы.

Эта функция полезна для преобразования DataFrame в формат, где одна или несколько колонок являются идентификаторными переменными (id_vars), а все остальные колонки, рассматриваемые как измеряемые переменные (value_vars), «разворачиваются» на ось строк, оставляя только две колонки, не являющиеся идентификаторами, ‘variable’ и ‘value’.

Параметры:

id_vars:скаляр, кортеж, список или массив ndarray, необязательно

Колонка(и) для использования в качестве идентификаторных переменных.

value_vars:скаляр, кортеж, список или массив ndarray, необязательно

Колонка(и) для разворота. Если не указано, используются все колонки, которые не заданы как id_vars.

var_name:скаляр, по умолчанию None

Имя для колонки ‘variable’. Если None, используется frame.columns.name или ‘variable’.

value_name:скаляр, по умолчанию ‘value’

Имя для колонки ‘value’, не может быть существующим именем колонки.

col_level:скаляр, необязательно

Если колонки являются многоуровневым индексом, использовать 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.

Возвращаемое значение:

DataFrame

Преобразованный DataFrame.

См. также

melt

Идентичный метод.

pivot_table

Создать сводную таблицу в стиле электронной таблицы как DataFrame.

DataFrame.pivot

Возвращает преобразованный DataFrame, организованный по заданным значениям индекса/колонок.

DataFrame.explode

Развернуть DataFrame из колонок со списками в длинный формат.

Примечания

Дополнительные примеры см. в руководстве пользователя.

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
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 колонок ‘variable’ и ‘value’ могут быть изменены:

>>> 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
0  a        B      1
1  b        B      3
2  c        B      5
0  a        C      2
1  b        C      4
2  c        C      6

Если у вас есть многоуровневые колонки:

>>> 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