数据分析的时候经常要把

宽数据

—>>

长数据

，有点像你们用excel 做透视跟逆透视的过程，直接看下面例子，希望有助于理解.

pandas.melt 使用参数：


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


参数解释：

frame:要处理的数据集。

id_vars:不需要被转换的列名。

value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。

var_name和value_name是自定义设置对应的列名。

col_level :如果列是MultiIndex，则使用此级别。

例子：

>>>d = {'col1': ['a','a','a','b','b'], 'col2': [2,2,2,2,2],'col3':['c','c','c','d','d']}
>>>df = pd.DataFrame(data=d)
>>>df

1、设置 id_vars=[‘col2’] ，则不需要转换的列是col2 。所以col1跟col3 合并成了一列。

>>>pd.melt(df,id_vars=['col2'])

2、设置 id_vars=[‘col2’],value_vars=[‘col1’] ， 则不需要转换的列是col2 。

需要转换的是

col1列 ，拿col3 就不受影响，不展示了。

pd.melt(df,id_vars=['col2'],value_vars=['col1'])

3、对修改后的列设置新列名。

pd.melt(df,id_vars=['col2'],value_vars=['col1'],var_name='hi',value_name='hello')

使用pandas.melt  进行行转列 ，列转行的操作请看

https://blog.csdn.net/maymay_/article/details/105349956