Pandas: как изменить форму dataframe с широкой на длинную

Вы можете использовать следующий базовый синтаксис для преобразования DataFrame pandas из широкого формата в длинный формат:

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

В этом сценарии col1 — это столбец, который мы используем в качестве идентификатора, а col2 , col3 и т. д. — это столбцы, ось которых мы отменяем.

В следующем примере показано, как использовать этот синтаксис на практике.

Пример. Измените форму DataFrame Pandas с широкой на длинную.

Предположим, у нас есть следующий DataFrame 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

Мы можем использовать следующий синтаксис, чтобы изменить форму этого DataFrame из широкого формата в длинный:

 #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

DataFrame теперь имеет длинный формат.

Мы использовали столбец «команда» в качестве идентификационного столбца и отменили поворот столбцов «очки», «передачи» и «подборы».

Обратите внимание, что мы также можем использовать аргументы var_name и value_name для указания имен столбцов в новом длинном DataFrame:

 #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

Примечание . Полную документацию по функции pandas Melt() вы можете найти здесь .

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в Python:

Как добавить строки в DataFrame Pandas
Как добавить столбцы в DataFrame Pandas
Как подсчитать появление определенных значений в Pandas DataFrame