DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None) [source]

"Unpivots" DataFrame从宽格式转换为长格式，可选保留设置的标识符变量。

这个函数对于将DataFrame转换成这样一种格式非常有用，其中一个或多个列是标识符变量(id_vars)，而所有其他列(被认为是测量变量(value_vars))都"unpivoted"到行轴，只留下两个非标识符列"variable"和"value"。

例子

1）仅转换 'B' 列

import pandas as pd

# 创建 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}
})

print("原始 DataFrame：")
print(df)

# 仅转换 'B' 列
melted_df1 = df.melt(id_vars=['A'], value_vars=['B'])
print("\n转换 'B' 列后的 DataFrame：")
print(melted_df1)

2）转换 'B' 和 'C' 列

import pandas as pd

# 创建 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}
})

# 转换 'B' 和 'C' 列
melted_df2 = df.melt(id_vars=['A'], value_vars=['B', 'C'])
print("\n转换 'B' 和 'C' 列后的 DataFrame：")
print(melted_df2)

3）自定义列名

import pandas as pd

# 创建 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}
})

# 自定义列名
melted_df3 = df.melt(id_vars=['A'], value_vars=['B'], var_name='myVarname', value_name='myValname')
print("\n自定义列名后的 DataFrame：")
print(melted_df3)

4）指定 col_level 进行 melt

import pandas as pd

# 创建 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}
})

# 创建具有多层索引的 DataFrame
df.columns = [list('ABC'), list('DEF')]
print("\n多层索引 DataFrame：")
print(df)

# 指定 col_level 进行 melt
melted_df4 = df.melt(col_level=0, id_vars=['A'], value_vars=['B'])
print("\n使用 col_level=0 转换 'B' 列后的 DataFrame：")
print(melted_df4)

5）多层索引 melt

import pandas as pd

# 创建 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}
})

# 创建具有多层索引的 DataFrame
df.columns = [list('ABC'), list('DEF')]
print("\n多层索引 DataFrame：")
print(df)

# 多层索引 melt
melted_df5 = df.melt(id_vars=[('A', 'D')], value_vars=[('B', 'E')])
print("\n多层索引转换 'B' 列后的 DataFrame：")
print(melted_df5)