蟒蛇|熊猫。熔化-yiteyi-C++库

为了更容易地分析表中的数据，我们可以使用Python中的Pandas将数据重塑为更为计算机友好的形式。熊猫。melt（）是执行此操作的函数之一。。熊猫。melt（）将数据帧从宽格式解压为长格式。熔化函数用于将数据帧消息转换为一种格式，其中一个或多个列是标识符变量，而所有其他列（被视为测量变量）被取消定位到行轴，只留下两个非标识符列变量和值。语法：

null

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

参数：

框架： 数据帧 id_vars[元组、列表或ndarray，可选]： 要用作标识符变量的列。 value_vars[元组、列表或ndarray，可选]： 列到unpivot。如果未指定，则使用未设置为id_vars的所有列。 变量名称[标量]： 用于“变量”列的名称。如果没有，则使用框架。柱。名称或“变量”。 value_name[标量，默认值]： 用于“值”列的名称。 列级[整数或字符串，可选]： 如果列是多索引，则使用此级别进行融化。

例子：

Python3

                           # Create a simple dataframe                         
                                      
                           # importing pandas as pd                         
                           import                                        pandas as pd                         
                                      
                           # creating a dataframe                         
                           df                                        =                                        pd.DataFrame({                                        'Name'                                        : {                                        0                                        :                                        'John'                                        ,                                        1                                        :                                        'Bob'                                        ,                                        2                                        :                                        'Shiela'                                        },                         
                                                     'Course'                                        : {                                        0                                        :                                        'Masters'                                        ,                                        1                                        :                                        'Graduate'                                        ,                                        2                                        :                                        'Graduate'                                        },                         
                                                     'Age'                                        : {                                        0                                        :                                        27                                        ,                                        1                                        :                                        23                                        ,                                        2                                        :                                        21                                        }})                         
                           df                         