Pandas pandas.melt() 函式

Minahil Noor 2023年1月30日 2020年6月17日
  1. pandas.melt() 語法
  2. 示例程式碼:pandas.melt()
  3. 示例程式碼:pandas.melt(),單列為 id_vars
  4. 示例程式碼:pandas.melt() 與跳過列的例子
  5. 示例程式碼:pandas.melt() 與多列資訊
Pandas pandas.melt() 函式

pandas.melt() 函式重塑或轉換一個現有的 DataFrame。它將 DataFrame 的方向從寬格式變為長格式。

pandas.melt() 語法

pandas.melt(dataframe, 
            id_vars, 
            value_vars, 
            var_name, 
            value_name, 
            col_level) 

引數

Dataframe 強制 我們要改變的是 DataFrame 的長格式
id_vars 可選 它可以是一個元組、列表或一個 N 維的陣列。它是用於識別符號變數的列。你可以選擇一個以上的識別符號列
value_vars 可選 它可以是一個個元組、列表或一個 N 維的陣列。。預設情況下,沒有指定為識別符號變數的列是值變數。
var_name 可選 它是一個標量型別的變數。它是識別符號列的名稱。預設情況下,它是 variable
value_name 可選 它是一個標量型別變數。它是非識別符號列的名稱。預設情況下,它是 value
col_level 可選 它是一個整數或字串。在多索引列的情況下,我們可以使用這個引數來轉換我們的 DataFrame

返回值

它返回一個轉換後的 DataFrame,其中包含一個或多個識別符號列,而只有兩個非識別符號列,名為變數和值。

示例程式碼:pandas.melt()

首先,我們將只通過傳遞強制性引數即 DataFrame 來學習這個函式。

import pandas as pd

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
                    'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                    'Obtained Marks': {0: '90%', 1: '75%', 2: '82%',3: '64%',4: '45%'}})
dataframe1 = pd.melt(dataframe)

print(dataframe1)

我們的 DataFrame 為,

   Attendance    Name Obtained Marks
0          60  Olivia            90%
1         100    John            75%
2          80   Laura            82%
3          78     Ben            64%
4          95   Kevin            45%

輸出:

          variable   value
0       Attendance      60
1       Attendance     100
2       Attendance      80
3       Attendance      78
4       Attendance      95
5             Name  Olivia
6             Name    John
7             Name   Laura
8             Name     Ben
9             Name   Kevin
10  Obtained Marks     90%
11  Obtained Marks     75%
12  Obtained Marks     82%
13  Obtained Marks     64%
14  Obtained Marks     45%

在這裡,你可以看到,在輸出中沒有識別符號列。我們有兩個非識別符號列。原來的 DataFrame 的每一列現在都是輸出 DataFrame 中的一行。

現在我們將傳遞可選的引數並檢查結果。

示例程式碼:pandas.melt(),單列為 id_vars

import pandas as pd

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
                    'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                    'Obtained Marks': {0: '90%', 1: '75%', 2: '82%',3: '64%',4: '45%'}})
dataframe1 = pd.melt(dataframe, 
                     id_vars=['Name'])

print(dataframe1)

輸出:

     Name        variable value
0  Olivia      Attendance    60
1    John      Attendance   100
2   Laura      Attendance    80
3     Ben      Attendance    78
4   Kevin      Attendance    95
5  Olivia  Obtained Marks   90%
6    John  Obtained Marks   75%
7   Laura  Obtained Marks   82%
8     Ben  Obtained Marks   64%
9   Kevin  Obtained Marks   45%

識別符號列指定為 Name,旁邊的 variablevalues 列則是從原始 DataFrame 中提取的值。

我們也可以指定 var_namevalue_name 的名稱來代替預設的 variablevalues

import pandas as pd

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
                    'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                    'Obtained Marks': {0: '90%', 1: '75%', 2: '82%',3: '64%',4: '45%'}})
dataframe1 = pd.melt(dataframe, 
                     id_vars=['Name'], 
                     var_name = 'Performance', 
                     value_name = 'Success')

print(dataframe1)

輸出:

     Name     Performance Success
0  Olivia      Attendance      60
1    John      Attendance     100
2   Laura      Attendance      80
3     Ben      Attendance      78
4   Kevin      Attendance      95
5  Olivia  Obtained Marks     90%
6    John  Obtained Marks     75%
7   Laura  Obtained Marks     82%
8     Ben  Obtained Marks     64%
9   Kevin  Obtained Marks     45%

示例程式碼:pandas.melt() 與跳過列的例子

如果我們只想檢查出勤率,我們需要指定 value_vars

import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
                    'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                    'Obtained Marks': {0: '90%', 1: '75%', 2: '82%',3: '64%',4: '45%'}})
dataframe1 = pd.melt(dataframe, id_vars=['Name'], value_vars='Attendance', var_name = 'Performance', value_name = 'Success')
print(dataframe1)

輸出:

     Name Performance  Success
0  Olivia  Attendance       60
1    John  Attendance      100
2   Laura  Attendance       80
3     Ben  Attendance       78
4   Kevin  Attendance       95

它只顯示原始 DataFrameAttendance 列的資訊。

示例程式碼:pandas.melt() 與多列資訊

我們在演示 DataFrame 中增加一列 ID

import pandas as pd

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
                        'ID': {0: 1, 1: 2, 2: 3,3: 4,4: 5},
                        'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                        'Obtained Marks': {0: '90%', 1: '75%', 2: '82%',3: '64%',4: '45%'}})
dataframe1 = pd.melt(dataframe, 
                     id_vars=['ID', 'Name'])

print(dataframe1)

輸出:

   ID    Name        variable value
0   1  Olivia      Attendance    60
1   2    John      Attendance   100
2   3   Laura      Attendance    80
3   4     Ben      Attendance    78
4   5   Kevin      Attendance    95
5   1  Olivia  Obtained Marks   90%
6   2    John  Obtained Marks   75%
7   3   Laura  Obtained Marks   82%
8   4     Ben  Obtained Marks   64%
9   5   Kevin  Obtained Marks   45%

IDName 列都被分配為識別符號列。

相關文章 - Pandas Core