Pandas: como remodelar o dataframe de largo para longo

Você pode usar a seguinte sintaxe básica para converter um DataFrame do pandas de um formato amplo para um formato longo:

 df = pd. melt (df, id_vars=' col1 ', value_vars=[' col2 ', ' col3 ', ...])

Neste cenário, col1 é a coluna que usamos como identificador e col2 , col3 , etc. são as colunas cujo pivô desfazemos.

O exemplo a seguir mostra como usar essa sintaxe na prática.

Exemplo: remodelar o DataFrame do Pandas de largo para longo

Suponha que temos o seguinte DataFrame do pandas:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D'],
                   ' points ': [88, 91, 99, 94],
                   ' assists ': [12, 17, 24, 28],
                   ' rebounds ': [22, 28, 30, 31]})

#view DataFrame
df

	team points assists rebounds
0 A 88 12 22
1 B 91 17 28
2 C 99 24 30
3 D 94 28 31

Podemos usar a seguinte sintaxe para remodelar este DataFrame de um formato amplo para um formato longo:

 #reshape DataFrame from wide format to long format
df = pd. melt (df, id_vars=' team ', value_vars=[' points ', ' assists ', ' rebounds '])

#view updated DataFrame
df

	team variable value
0 A points 88
1 B points 91
2 C dots 9 9
3 D dots 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31

O DataFrame agora está em formato longo.

Usamos a coluna “equipe” como coluna de identificação e destorcemos as colunas “pontos”, “assistências” e “rebotes”.

Observe que também podemos usar os argumentos var_name e value_name para especificar os nomes das colunas no novo DataFrame longo:

 #reshape DataFrame from wide format to long format
df = pd. melt (df, id_vars=' team ', value_vars=[' points ', ' assists ', ' rebounds '],
             var_name=' metric ', value_name=' amount ')

#view updated DataFrame
df

	team metric amount
0 A points 88
1 B points 91
2 C points 99
3 D dots 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31

Nota : Você pode encontrar a documentação completa da função pandas melt() aqui .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em Python:

Como adicionar linhas a um DataFrame do Pandas
Como adicionar colunas a um DataFrame do Pandas
Como contar ocorrências de valores específicos no Pandas DataFrame