id_vars

value_vars

上面两个参数的同时使用：

同时转换多个列属性：

var_name和value_name

pd.melt(
    id_vars=["col1"],  # 不变
    value_vars=["col3"],  # 转变
    var_name="col4",  # 新的列名
    value_name="col5" # 对应值的新列名
ignore_index
默认情况下是生成自然索引：
可以改成False，使用原来的索引：
pandas中的T属性或者transpose函数就是实现行转列的功能，准确地说就是转置
模拟了一份数据，查看转置的结果：
使用transpose函数进行转置：
还有另一个方法：先对值values进行转置，再把索引和列名进行交换：
最后看一个简单的案例：
wide_to_long函数
字面意思就是：将数据集从宽格式转换为长格式
wide_to_long(
    stubnames,
    sep: str = "",
    suffix: str = "\\d+"
参数的具体解释：
df：待转换的数据框
stubnames：宽表中列名相同的存部分
i：要用作 id 变量的列
j：给长格式的“后缀”列设置 columns
sep：设置要删除的分隔符。例如 columns 为 A-2020，则指定 sep='-' 来删除分隔符。默认为空。
suffix：通过设置正则表达式取得“后缀”。默认'\d+'表示取得数字后缀。没有数字的“后缀”可以用'\D+'来取得
使用函数实施转换：
设置多层索引
先模拟一份数据：
如果不习惯多层索引，可以转成下面的格式：
sep和suffix
df5 = pd.DataFrame({
    'a': [1, 1, 2, 2, 3, 3, 3],
    'b': [1, 2, 2, 3, 1, 2, 3],
    'stu_one': [2.8, 2.9, 1.8, 1.9, 2.2, 2.3, 2.1],
    'stu_two': [3.4, 3.8, 2.8, 2.4, 3.3, 3.4, 2.9]
pd.wide_to_long(
    stubnames='stu', 
    i=['a', 'b'], 
    j='number',
    sep='_', # 列名中存在连接符时使用；默认为空
    suffix=r'\w+')  # 基于正则表达式的后缀；默认是数字\d+；这里改成\w+，表示字母
爆炸函数-explode
explode(column, ignore_index=False)
这个函数的参数就只有两个：
column：待爆炸的元素
ignore_index：是否忽略索引；默认是False，保持原来的索引
单个字段爆炸
对单个字段实施爆炸过程，将宽表转成长表：
参数ignore_index
多个字段爆炸
连续对多个字段实施爆炸的过程：
在这里回答一个读者的问题，数据采用模拟的形式。有下面的这样一份数据，需求：
每个shop下每个fruit在各自shop的占比
fruit = pd.DataFrame({
    "shop":["shop1","shop3","shop2","shop3",
            "shop2","shop1","shop3","shop2",
            "shop3","shop2","shop3","shop2","shop1"],
    "fruit":["苹果","葡萄","香蕉","苹果",
             "葡萄","橘子","梨","哈密瓜",
             "葡萄","香蕉","苹果","葡萄","橘子"],
    "number":[100,200,340,150,
              200,300,90,80,340,
              150,200,300,90]})
fruit
首先我们是需要统计每个shop每个fruit的销量
方法1：多步骤
方法1采用的是多步骤解决：
1、每个shop的总销量
2、增加总和shop_sum列
3、生成占比
方法2：使用transform函数
  
分类：
 人工智能
 
标签：
 
pandas
 
  
 

      安装掘金浏览器插件
     
多内容聚合浏览、多引擎快捷搜索、多工具便捷提效、多模式随心畅享，你想要的，这里都有！
 前往安装
     
 

        数据分析师