Python Pandas - 熔化

Pandas 中的熔化是指将 DataFrame 从宽格式转换为长格式的过程。在宽格式中，数据分布在多个列中。简单来说，它会“反转”DataFrame 的列为行，这对于可视化和对数据集执行统计分析很有用。

Pandas 库提供了melt() 和wide_to_long() 函数，用于将 DataFrame 从宽格式转换为长格式。在本教程中，我们将学习 Pandas 中的melt() 和wide_to_long() 函数，以及如何使用这两种方法将 DataFrame 从宽格式转换为长格式。

Pandas 中的熔化

Pandas 中的melt() 函数将宽 DataFrame 转换为长格式。这只不过是“反转”DataFrame。

示例

以下示例演示了使用pandas.melt() 函数熔化一个简单的 DataFrame。

import pandas as pd

# Create a DataFrame
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},'B': {0: 1, 1: 3, 2: 5},'C': {0: 2, 1: 4, 2: 6}})

# Display the input DataFrame
print('Input DataFrame:\n', df)

# Melt the DataFrame
melted_df = pd.melt(df, id_vars=['A'], value_vars=['B'])

print('Output melted DataFrame:\n', melted_df)

以下是上述代码的输出 -

Input DataFrame:

A
B
C
0
a
1
2
1
b
3
4
2
c
5
6


Output melted DataFrame:

A
variable
value
0
a
B
1
1
b
B
3
2
c
B
5

示例：在熔化时处理索引值

此示例演示了在使用pandas.melt() 函数熔化 DataFrame 时如何处理缺失值。

import pandas as pd

# Create a DataFrame
index = pd.MultiIndex.from_tuples([("person", "A"), ("person", "B")])
df= pd.DataFrame({
"first": ["John", "Mary"],"last": ["Doe", "Bo"],
"height": [5.5, 6.0],"weight": [130, 150]}, index=index)

# Display the input DataFrame
print('Input DataFrame:\n', df)

# Melt the DataFrame
melted_df = pd.melt(df, id_vars=["first", "last"], ignore_index=False)

print('Output melted DataFrame:\n', melted_df)

以下是上述代码的输出 -

Input DataFrame:

first
last
height
weight
person
A
John
Doe
5.5
130
B
Mary
Bo
6.0
150

Output melted DataFrame:

    
first
last
variable
value
    
person
A
John
Doe
height
5.5
    
B
Mary
Bo
height
6.0
    
A
John
Doe
weight
130.0
    
B
Mary
Bo
weight
150.0

使用 wide_to_long() 熔化

pandas wide_to_long() 函数提供了对转换的更多控制。当您的列具有包含后缀的结构化命名模式时，它很有用。

示例

此示例使用wide_to_long() 函数执行高级熔化转换。

import pandas as pd

# Create a DataFrame
df = pd.DataFrame({'famid': [1, 1, 1, 2, 2, 2, 3, 3, 3],
'birth': [1, 2, 3, 1, 2, 3, 1, 2, 3],
'ht1': [2.8, 2.9, 2.2, 2, 1.8, 1.9, 2.2, 2.3, 2.1],
'ht2': [3.4, 3.8, 2.9, 3.2, 2.8, 2.4, 3.3, 3.4, 2.9]})

# Display the input DataFrame
print('Input DataFrame:\n', df)

# Melt the DataFrame using wide_to_long()
long_df = pd.wide_to_long(df, stubnames='ht', i=['famid', 'birth'], j='age')

print('Output Long Melted DataFrame:\n', long_df)

以下是上述代码的输出 -

Input DataFrame:

famid
birth
ht1
ht2
0
1
1
2.8
3.4
1
1
2
2.9
3.8
2
1
3
2.2
2.9
3
2
1
2.0
3.2
4
2
2
1.8
2.8
5
2
3
1.9
2.4
6
3
1
2.2
3.3
7
3
2
2.3
3.4
8
3
3
2.1
2.9


Output Long Melted DataFrame:

ht
famid
birth
age

1
1
1
2.8
2
3.4
2
1
2.9
2
3.8
3
1
2.2
2
2.9
2
1
1
2.0
2
3.2
2
1
1.8
2
2.8
3
1
1.9
2
2.4
3
1
1
2.2
2
3.3
2
1
2.3
2
3.4
3
1
2.1
2
2.9