dask_expr._collection.DataFrame.melt
dask_expr._collection.DataFrame.melt¶
- DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)[源代码]¶
将DataFrame从宽格式透视为长格式，可以选择保留标识符集。
此文档字符串是从 pandas.core.frame.DataFrame.melt 复制的。
Dask 版本可能存在一些不一致性。
此函数用于将一个 DataFrame 转换为一种格式，其中一个或多个列是标识变量（id_vars），而所有其他列，被视为测量变量（value_vars），被“逆透视”到行轴上，仅留下两列非标识列，即 ‘variable’ 和 ‘value’。
- 参数
- id_vars标量, 元组, 列表, 或 ndarray, 可选
用作标识符变量的列。
- value_vars标量, 元组, 列表, 或 ndarray, 可选
要取消透视的列。如果未指定，则使用未设置为 id_vars 的所有列。
- 变量名标量，默认 None
用于 ‘变量’ 列的名称。如果为 None，则使用
frame.columns.name或 ‘变量’。- value_name标量，默认 ‘value’
用于 ‘value’ 列的名称，不能是现有列的标签。
- col_level标量，可选
如果列是 MultiIndex，则使用此级别进行熔化。
- 忽略索引bool, 默认 True (Dask 不支持)
如果为 True，则忽略原始索引。如果为 False，则保留原始索引。索引标签将根据需要重复。
- 返回
- DataFrame
未透视的 DataFrame。
参见
melt相同的方法。
pivot_table创建一个电子表格样式的数据透视表作为DataFrame。
DataFrame.pivot返回按给定索引/列值组织的重塑后的DataFrame。
DataFrame.explode将 DataFrame 从列表类列展开为长格式。
注释
参考 用户指南 获取更多示例。
示例
>>> df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'}, ... 'B': {0: 1, 1: 3, 2: 5}, ... 'C': {0: 2, 1: 4, 2: 6}}) >>> df A B C 0 a 1 2 1 b 3 4 2 c 5 6
>>> df.melt(id_vars=['A'], value_vars=['B']) A variable value 0 a B 1 1 b B 3 2 c B 5
>>> df.melt(id_vars=['A'], value_vars=['B', 'C']) A variable value 0 a B 1 1 b B 3 2 c B 5 3 a C 2 4 b C 4 5 c C 6
可以自定义 ‘variable’ 和 ‘value’ 列的名称：
>>> df.melt(id_vars=['A'], value_vars=['B'], ... var_name='myVarname', value_name='myValname') A myVarname myValname 0 a B 1 1 b B 3 2 c B 5
原始索引值可以保留：
>>> df.melt(id_vars=['A'], value_vars=['B', 'C'], ignore_index=False) A variable value 0 a B 1 1 b B 3 2 c B 5 0 a C 2 1 b C 4 2 c C 6
如果你有多重索引列：
>>> df.columns = [list('ABC'), list('DEF')] >>> df A B C D E F 0 a 1 2 1 b 3 4 2 c 5 6
>>> df.melt(col_level=0, id_vars=['A'], value_vars=['B']) A variable value 0 a B 1 1 b B 3 2 c B 5
>>> df.melt(id_vars=[('A', 'D')], value_vars=[('B', 'E')]) (A, D) variable_0 variable_1 value 0 a B E 1 1 b B E 3 2 c B E 5