全文共
1258
字，預計學習時長
8
分鐘
圖源：unsplash
如何將資料集從行式變為列式？有很多種方法可以做到這一點，但pandas的melt（）方法是其中最靈活的一種，你只需要學好這種就足夠了。
本文將傳授給你資料集的“乾坤大挪移”大法，使用pd。melt（）或melt方法使pandas。 dataframe發生形變。一起來看看吧！
行式vs寬式資料集
如果我們將一個行式資料集與列式資料集進行比較，最容易理解行式資料集是什麼樣？
pd。melt可以使Pandas。dataframe（）進行形變/堆疊
下面是相應的資料集，但是是用長表單的形式：
pd。pivot_table（）可以使長pandas。dtatframe不發生形變
在開始pd。melt教程之前，先使用pd。DataFrame在Python中重新建立上面的行式資料集。
import pandas as pd# createwide dataframe
df_wide = pd。DataFrame（
{“student”： ［“Andy”，“Bernie”， “Cindy”， “Deb”］，
“school”： ［“Z”， “Y”， “Z”，“Y”］，
“english”： ［10， 100， 1000，10000］， # eng grades
“math”： ［20， 200， 2000， 20000］， # math grades
“physics”： ［30， 300， 3000，30000］ # physics grades
}
）
形變1
透過id_vars指定識別符號列來使資料集發生形變。“剩餘的”非識別符號列（英語，數學，物理學）將形變或彼此堆疊成一列。
我們要建立一個新的指標列（包含值英語，數學，物理），可以透過var_name重新命名該新列（cLaSs），還可以透過value_name重新命名包含所有實際成績的列（gRaDe）。
print（df_wide）
> student school english math physics
Andy Z 10 20 30
Bernie Y 100 200 300
Cindy Z 1000 2000 3000
Deb Y 10000 20000 30000df_wide。melt（id_vars=［“student”，“school”］，
var_name=“cLaSs”， #rename
value_name=“gRaDe”） # rename> student school cLaSs gRaDe
0 Andy Z english 10
1 Bernie Y english 100
2 Cindy Z english 1000
3 Deb Y english 10000
4 Andy Z math 20
5 Bernie Y math 200
6 Cindy Z math 2000
7 Deb Y math 20000
8 Andy Z physics 30
9 Bernie Y physics 300
10 Cindy Z physics 3000
11 Deb Y physics 30000
行式到列式：新的指標列“cLaSs”+形變/堆疊的“gRaDe”列的值
形變2
可以使用value_vars指定要形變或堆疊到列中的列（此處不包括物理列，因此value_vars = ［“ english”，“ math”］），還將從id_vars中刪除“school”列。
print（df_wide）
> student school english math physics
Andy Z 10 20 30
Bernie Y 100 200 300
Cindy Z 1000 2000 3000
Deb Y 10000 20000 30000df_wide。melt（id_vars=“student”，
value_vars=［“english”， “math”］，
var_name=“cLaSs”， # rename
value_name=“gRaDe”） #rename> student cLaSs gRaDe
0 Andy english 10
1 Bernie english 100
2 Cindy english 1000
3 Deb english 10000
4 Andy math 20
5 Bernie math 200
6 Cindy math 2000
7 Deb math 2000
行式到列式：原始專欄學校和物理課程已被刪除
形變3
最後，來看看如果僅將學生列指定為識別符號列（id_vars =“ student”），但未指定要透過value_vars堆疊的列會發生什麼情況。結果是，所有非識別符號列（學校，英語，數學，物理）將被堆疊到一列中。
最終的列式資料集看起來是錯誤的，cLaSs和gRaDe列包含了不應包含的值。不過，這裡的重點是展示pd。melt的工作方式：
print（df_wide）
> student school english math physics
Andy Z 10 20 30
Bernie Y 100 200 300
Cindy Z 1000 2000 3000
Deb Y 10000 20000 30000df_wide。melt（id_vars=“student”，
var_name=“cLaSs”， #rename
value_name=“gRaDe”） #rename> student cLaSs gRaDe
0 Andy school Z
1 Bernie school Y
2 Cindy school Z
3 Deb school Y
4 Andy english 10
5 Bernie english 100
6 Cindy english 1000
7 Deb english 10000
8 Andy math 20
9 Bernie math 200
10 Cindy math 2000
11 Deb math 20000
12 Andy physics 30
13 Bernie physics 300
14 Cindy physics 3000
15 Deb physics 30000
行式到列式：學校列不是識別符號列
學好這一招，所有資料集形變都不怕。記得要自己操作一遍喲！
留言點贊關注
我們一起分享AI學習與發展的乾貨
如轉載，請後臺留言，遵守轉載規範
