Pandas：如何将DataFrame从宽到长进行重塑

你可以使用下面的基本语法将一个pandas DataFrame从宽格式转换为长格式。

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

在这种情况下，col1是我们用作标识符的列，col2、col3等是我们取消透视的列。

下面的例子展示了如何在实践中使用这种语法。

例子：重塑潘达斯数据框架，从宽到长

假设我们有如下的pandas DataFrame:

import pandas as pd

#create DataFrame
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

我们可以使用下面的语法将这个DataFrame从宽格式重塑为长格式:

#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	points	        99
3	D	points	        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

现在的DataFrame是长格式的。

我们使用'球队'列作为标识符列，并且我们取消了'得分'、'助攻'和'篮板'列的透视。

注意，我们还可以使用var_name和value_name参数来指定新的长数据框架中的列的名称:

#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	points	 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

注：你可以在这里找到pandasmelt()函数的完整文档。

其他资源

下面的教程解释了如何在Python中进行其他常见的操作:

如何向Pandas DataFrame添加行
如何向Pandas DataFrame添加列
如何计算Pandas DataFrame中特定值的出现次数