TechCodeview

K tomu se používá funkce Pandas.melt(). unpivot DataFrame z širokého formátu na dlouhý formát.

Jeho hlavním úkolem je vmasírovat DataFrame do formátu, kde některé sloupce jsou identifikátorové proměnné a zbývající sloupce jsou považovány za měřené proměnné, nejsou otočeny k ose řádku. Ponechává pouze dva sloupce bez identifikátoru, proměnnou a hodnotu.

Syntax

 pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None) 

Parametry

rám:Odkazuje na DataFrame.id_vars[n-tice, seznam nebo ndarray, volitelné]:Odkazuje na sloupce, které se mají použít jako proměnné identifikátoru.value_vars[n-tice, seznam nebo ndarray, volitelné]:Odkazuje na sloupce, které mají být zrušeny. Pokud není zadán, použijte všechny sloupce, které nejsou nastaveny jako id_vars.var_name[skalární]:Odkazuje na název, který se má použít pro sloupec „proměnná“. Pokud je None, použije frame.columns.name nebo 'proměnná'.název_hodnoty[skalární, výchozí 'hodnota']:Odkazuje na název, který se má použít pro sloupec 'hodnota'.col_level[int nebo řetězec, volitelné]: Použije tuto úroveň k roztavení, pokud jsou sloupce MultiIndex.

Návraty

Jako výstup vrací unpivoted DataFrame.

Příklad

 # importing pandas as pd import pandas as pd # creating a dataframe info = pd.DataFrame({'Name': {0: 'Parker', 1: 'Smith', 2: 'John'}, 'Language': {0: 'Python', 1: 'Java', 2: 'C++'}, 'Age': {0: 22, 1: 30, 2: 26}}) # Name is id_vars and Course is value_vars pd.melt(info, id_vars =['Name'], value_vars =['Language']) info 

Výstup

 Name Language Age 0 Parker Python 22 1 Smith Java 30 2 John C++ 26 

Příklad2

 import pandas as pd info = pd.DataFrame({'A': {0: 'p', 1: 'q', 2: 'r'}, 'B': {0: 40, 1: 55, 2: 25}, 'C': {0: 56, 1: 62, 2: 42}}) pd.melt(info, id_vars=['A'], value_vars=['C']) pd.melt(info, id_vars=['A'], value_vars=['B', 'C']) pd.melt(info, id_vars=['A'], value_vars=['C'], var_name='myVarname', value_name='myValname') 

Výstup

 A myVarname myValname 0 p C 56 1 q C 62 2 r C 42