pandas 数据融合 Melt |
您所在的位置：网站首页 › pandas语法乱 › pandas 数据融合 Melt |
|
本内容来自：https://gairuo.com
看过来 《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。 本内容来自：https://gairuo.comdf.melt() 是 df.pivot() 逆转操作函数。简单说就是将指定的列放到铺开放到行上名为variable(可指定)列，值在value (可指定)列。 逻辑图示 语法结构具体语法结构如下： pd.melt(frame: pandas.core.frame.DataFrame, id_vars=None, value_vars=None, var_name='variable', value_name='value', col_level=None)其中： id_varstuple，list或ndarray（可选），用作标识变量的列。 value_varstuple，列表或ndarray，可选，要取消透视的列。 如果未指定，则使用未设置为id_vars的所有列。 var_namescalar，用于“变量”列的名称。 如果为None，则使用frame.columns.name或“variable”。 value_namescalar，默认为“ value”，用于“ value”列的名称。 col_levelint或str，可选，如果列是MultiIndex，则使用此级别来融化。 pd.melt 示例 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 ''' pd.melt(df, id_vars=['A'], value_vars=['B']) ''' A variable value 0 a B 1 1 b B 3 2 c B 5 ''' pd.melt(df, 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 '''变量列和值列的名称可以自定义: pd.melt(df, 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 '''多层索引的方法: 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 ''' pd.melt(df, col_level=0, id_vars=['A'], value_vars=['B']) ''' A variable value 0 a B 1 1 b B 3 2 c B 5 ''' pd.melt(df, 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 ''' 宽表转长表 wide_to_long另一种转换方法是使用 pd.wide_to_long() 面板数据（panel data）便利函数。它不如 melt() 灵活，但更便于用户使用。 dft = pd.DataFrame( { "A1970": {0: "a", 1: "b", 2: "c"}, "A1980": {0: "d", 1: "e", 2: "f"}, "B1970": {0: 2.5, 1: 1.2, 2: 0.7}, "B1980": {0: 3.2, 1: 1.3, 2: 0.1}, "X": dict(zip(range(3), np.random.randn(3))), } ) dft["id"] = dft.index dft ''' A1970 A1980 B1970 B1980 X id 0 a d 2.5 3.2 -0.121306 0 1 b e 1.2 1.3 -0.097883 1 2 c f 0.7 0.1 0.695775 2 ''' pd.wide_to_long(dft, ["A", "B"], i="id", j="year") ''' X A B id year 0 1970 -0.121306 a 2.5 1 1970 -0.097883 b 1.2 2 1970 0.695775 c 0.7 0 1980 -0.121306 d 3.2 1 1980 -0.097883 e 1.3 2 1980 0.695775 f 0.1 '''它的语法是 pandas.wide_to_long(df, stubnames, i, j, sep='', suffix='\\d+')[source]，使用 stubnames['A'，'B']，此函数希望找到一组或多组格式为A-supfix1，A-supfix2，…，B-supfix1，B-supfix2，….的列，您可以使用 j（例如j='year'）在结果的长格式中指定要调用此后缀的内容。假设这些宽变量的每一行都由i唯一标识（可以是单个列名或列名列表）数据框中的所有剩余变量保持不变。 详情可参考 pd.wide_to_long()。 相关内容 pandas 相同类型的值拼接在一起 2023-09-11 11:28:29 pandas 数据融合行列格式转换案例 2020-12-10 21:52:13 交叉表 Crosstab pandas 教程 虚拟变量/哑变量 >更新时间：2021-10-27 23:41:39 标签：pandas 索引 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
| CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |