如何使用 pd.melt() 将 Pandas DataFrame 从宽格式重塑为长格式？

在数据分析中，数据的长宽格式转换是一个常见需求。pandas.melt() 是 Pandas 提供的一种便捷方法，用于将宽格式数据转换为长格式。以下是关于如何使用 pd.melt() 的详解及示例：

1. 什么是宽格式和长格式？

• 宽格式：数据中包含多个列，每列通常表示不同的变量。
  • 示例：

    Name    Subject  Math  Science  English
    Alice   Class A   85     90       78
    Bob     Class B   88     92       81
    

• 长格式：数据由一个标识列、一列变量名和一列值组成。
  • 示例：

    Name    Subject  Variable  Value
    Alice   Class A    Math      85
    Alice   Class A    Science   90
    Alice   Class A    English   78
    Bob     Class B    Math      88
    Bob     Class B    Science   92
    Bob     Class B    English   81
    

pd.melt() 将宽格式数据转换为长格式。

2. 基本语法

pd.melt(
    frame,                # 要操作的数据框
    id_vars=None,         # 保持不变的列
    value_vars=None,      # 要转换的列，默认为所有非 id_vars 的列
    var_name=None,        # 转换后变量列的名称
    value_name="value",   # 转换后值列的名称
    col_level=None,       # 对于多级列标签，指定层级
    ignore_index=True     # 是否忽略原始索引
)

3. 示例与讲解

示例 1：基本用法

将宽格式数据转换为长格式。

import pandas as pd

# 宽格式数据
df = pd.DataFrame({
    "Name": ["Alice", "Bob"],
    "Math": [85, 88],
    "Science": [90, 92],
    "English": [78, 81]
})

print("宽格式数据：")
print(df)

# 使用 pd.melt
df_long = pd.melt(df, id_vars=["Name"], var_name="Subject", value_name="Score")

print("\n长格式数据：")
print(df_long)

输出：

宽格式数据：

    Name  Math  Science  English
0  Alice    85       90       78
1    Bob    88       92       81

长格式数据：

    Name   Subject  Score
0  Alice     Math     85
1    Bob     Math     88
2  Alice  Science     90
3    Bob  Science     92
4  Alice  English     78
5    Bob  English     81

示例 2：选择性转换列

如果只需转换部分列，使用 value_vars 指定目标列。

df_long = pd.melt(df, id_vars=["Name"], value_vars=["Math", "English"], var_name="Subject", value_name="Score")
print(df_long)

输出：

    Name  Subject  Score
0  Alice     Math     85
1    Bob     Math     88
2  Alice  English     78
3    Bob  English     81

示例 3：修改列名

通过 var_name 和 value_name 自定义输出列的名称。

df_long = pd.melt(df, id_vars=["Name"], var_name="Exam", value_name="Marks")
print(df_long)

输出：

    Name      Exam  Marks
0  Alice      Math     85
1    Bob      Math     88
2  Alice   Science     90
3    Bob   Science     92
4  Alice   English     78
5    Bob   English     81

示例 4：多级列名

对于多级列数据框，可以通过 col_level 指定需要操作的列层级。

# 创建多级列数据框
df_multi = pd.DataFrame({
    ("Name", ""): ["Alice", "Bob"],
    ("Scores", "Math"): [85, 88],
    ("Scores", "Science"): [90, 92]
})

print("多级列数据：")
print(df_multi)

# 转换为长格式
df_long = pd.melt(df_multi, id_vars=[("Name", "")], col_level=1, var_name="Subject", value_name="Score")
print("\n长格式数据：")
print(df_long)

输出：

多级列数据：

    Name Scores          
           Math Science
0  Alice    85      90
1    Bob    88      92

长格式数据：

    Name  Subject  Score
0  Alice     Math     85
1    Bob     Math     88
2  Alice  Science     90
3    Bob  Science     92

4. 注意事项

1. 保留的列：
   • id_vars 指定要保持不变的列，所有未指定的列都会被转换。
2. 默认列名：
   • 如果未指定 var_name 或 value_name，默认使用 variable 和 value。
3. 多级索引支持：
   • 如果数据框有多级列名，需要用 col_level 指定列层级。

5. 优势与应用场景

• 数据清洗：将数据重塑为长格式以适应分析工具（如 Seaborn、Matplotlib）。
• 整合多变量：便于对变量执行批量操作，如分组统计或可视化。
• 交互性工具：适用于需要长格式数据的工具（如 Plotly）。

总结

使用 pd.melt() 转换宽格式为长格式非常高效，尤其是在处理数据可视化和分析的场景中。通过理解参数的作用，可以灵活应对各种复杂的数据重塑需求。