pandas.DataFrame.melt

DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None, ignore_index=True)

将 DataFrame 从宽格式重塑为长格式，并可选择保留标识符。

此函数有助于将 DataFrame 整理成一种格式，其中一个或多个列是标识符变量（id_vars），而所有其他列（视为测量变量 value_vars）被“取消透视”到行轴，只留下两个非标识符列“variable”和“value”。

Parameters:

id_vars标量、元组、列表或 ndarray，可选

用作标识符变量的列。

value_vars标量、元组、列表或 ndarray，可选

要取消透视的列。如果未指定，则使用所有未设置为 id_vars 的列。

var_name标量，默认为 None

用作“variable”列的名称。如果为 None，则使用 frame.columns.name 或“variable”。

value_name标量，默认为 ‘value’

用作“value”列的名称，不能是现有列标签。

col_levelscalar, optional

如果列是 MultiIndex，则使用此级别进行 melt。

ignore_indexbool, default True

如果为 True，则忽略原始索引。如果为 False，则保留原始索引。索引标签将根据需要重复。

Returns:

DataFrame

取消透视的 DataFrame。

参见

melt

相同的方法。

pivot_table

创建电子表格风格的透视表作为 DataFrame。

DataFrame.pivot

返回由给定的索引/列值组织的重塑后的 DataFrame。

DataFrame.explode

将数据帧从列表状列展开为长格式。

Notes

有关更多示例，请参阅 the user guide 。

Examples

>>> 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

“variable”和“value”列的名称是可自定义的：

>>> 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

原始索引值可以保留：

>>> 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

如果您有多层索引列：

>>> 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