Pandas_规整数据_转换数据

转换数据

df.melt() 是 df.pivot() 逆转操作函数

将列名转换为列数据(columns name → column values)，重构DataFrame

如果说 df.pivot() 将长数据集转换成宽数据集，df.melt() 则是将宽数据集变成长数据集

melt() 既是顶级类函数也是实例对象函数，作为类函数出现时，需要指明 DataFrame 的名称

参数	类型	说明
frame	dataframe	被 melt 的数据集名称在 pd.melt() 中使用
id_vars	tuple list ndarray	可选项不需要被转换的列名，在转换后作为标识符列（不是索引列）
value_vars	tuple list ndarray	可选项需要被转换的现有列如果未指明，除 id_vars 之外的其他列都被转换
var_name	string	variable 默认值自定义列名名称设置由 'value_vars' 组成的新的 column name
value_name	string	value 默认值自定义列名名称设置由 'value_vars' 的数据组成的新的 column name
col_level	int string	可选项如果列是MultiIndex，则使用此级别
# id_vars 标识列，不是索引 # value_vars 被转换的列名 # var_name "被转换的列名"组成的新列的 name # value_name "被转换的列名"下的数据组成的新列的 name zhe ge fei jin a ╮(╯▽╰)╭ bian liang ming zhe me zao gao ╮(╯▽╰)╭

>>> 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}})
>>> dfA  B  C
0  a  1  2
1  b  3  4
2  c  5  6#保留 B 列
>>> df.melt(id_vars=['A'], value_vars=['B'])A variable  value
0  a        B      1
1  b        B      3
2  c        B      5#保留 B C 列
>>> 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#自定义列名
>>> 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#如果 columns 是MultiIndex
>>> df.columns = [list('ABC'), list('DEF')]
>>> dfA  B  CD  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

df.pivot <---> df.melt() 之间的转换操作

>>> dfA  B  C
0  a  1  2
1  b  3  4
2  c  5  6>>> melted=df.melt('A')
>>> meltedA   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>>> reshaped =melted.pivot('A','variable','value')
>>> reshaped
variable    B   C
A
a       1   2
b       3   4
c       5   6>>> reshaped.reset_index()
variable    A   B   C
0       a   1   2
1       b   3   4
2       c   5   6

Pandas_规整数据_转换数据_melt()相关推荐

海量数据寻找最频繁的数据_寻找数据科学家的“原因”
海量数据寻找最频繁的数据 Start with "Why" - Why do we do the work we do? 从"为什么"开始-我们为什么要做我们所 ...
管道过滤模式大数据_大数据管道配方
管道过滤模式大数据介绍 (Introduction) If you are starting with Big Data it is common to feel overwhelmed by t ...
海量数据寻找最频繁的数据_在数据中寻找什么
海量数据寻找最频繁的数据 Some activities are instinctive. A baby doesn't need to be taught how to suckle. Most p ...
同时删除两张表的数据_把数据表中对应工作表的数据首先删除，然后导入数据...
大家好,我们今日继续讲解VBA数据库解决方案的第28讲内容:利用VBA,把数据表中对应工作表的数据首先删除,然后向数据表中导入工作表数据.数据库的讲解已经持续一段时间了,从对简单数据库的认识到利用VB ...
hive 导入hdfs数据_将数据加载或导入运行在基于HDFS的数据湖之上的Hive表中的另一种方法。
hive 导入hdfs数据 Preceding pen down the article, might want to stretch out appreciation to all the well ...
数字经济的核心是对大数据_大数据崛起为数字世界的核心润滑剂
数字经济的核心是对大数据 "Information is the oil of the 21st century, and analytics is the combustion engin ...
kaggle比赛数据_表格数据二进制分类：来自5个Kaggle比赛的所有技巧和窍门
kaggle比赛数据 This article was originally written by Shahul ES and posted on the Neptune blog. 本文最初由 Sh ...
有效数据包含额外数据_1-2-5 转换数据以包含在报表中
有时,你的数据可能包含额外数据,或者数据的格式不正确. Power BI Desktop 包括 Power Query 编辑器工具,可帮助你对数据进行调整和转换,使其可用于你的模型和可视化效果. 在此 ...
汉字笔画数据_统计学原理数据的预处理
数据审核数据审核-原始数据(raw data) 完整性审核应调查的单位或个体是否有遗漏所有的调查项目或变量是否填写齐全准确性审核数据是否真实反映实际情况,内容是否符合实际数据是否有错误,计 ...
java 一组数据中偏差较大的数据_深入分析数据结构中的队列（java代码实现）
不知道你有没有过在餐厅打饭的经历,我们排的队其实就是我们今天所讲的主题,我们在排队的时候,在队列头部的人打好饭离开,新来的人排在队尾.这就是入队和出队的操作.所以,队列的特性就是先进先出.有了这个概念 ...

Pandas_规整数据_转换数据_melt()

Pandas_规整数据_转换数据_melt()相关推荐

最新文章

热门文章