pandas：melt

pandas 的 melt 函数用于将 DataFrame 从宽格式转换为长格式。这对于数据重塑非常有用，尤其是在你需要将分类变量转换为观察值时。以下是 melt 函数的基本用法和参数说明：

基本用法

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

• frame: 要转换的 DataFrame。
• id_vars: 一个列名列表，这些列将保持不变，作为结果 DataFrame 的标识符。
• value_vars: 一个列名列表，这些列将被“融化”成长格式。
• var_name: 融化后的变量列名（即原来的列名）。
• value_name: 融化后的值列名（即原来的值），默认为 ‘value’。
• col_level: 如果列是 MultiIndex（多级索引），则指定要融化的级别。

示例

假设你有如下的 DataFrame：

import pandas as pd# 创建一个示例 DataFrame
df = pd.DataFrame({'product_id': [1, 2],'store1': [100, 200],'store2': [150, 250],'store3': [120, 220]
})print(df)

输出：

   product_id  store1  store2  store3
0           1    100    150    120
1           2    200    250    220

要使用 melt 函数将这个 DataFrame 转换为长格式，可以这样做：

# 将 DataFrame 从宽格式转换为长格式
melted_df = pd.melt(df, id_vars='product_id', var_name='store', value_name='price')print(melted_df)

输出：

   product_id store   price
0           1  store1    100
1           2  store1    200
2           1  store2    150
3           2  store2    250
4           1  store3    120
5           2  store3    220

在这个例子中，id_vars 设置为 'product_id'，表示 product_id 列将保持不变。var_name 设置为 'store'，表示原来的列名（store1、store2、store3）将成为新 DataFrame 的 store 列的值。value_name 设置为 'price'，表示原来的值将成为新 DataFrame 的 price 列的值。

通过这种方式，你可以将宽格式数据转换为长格式，以便于进行进一步的分析和处理。