一、每日一题

解答：

import pandas as pd

def meltTable(report: pd.DataFrame) -> pd.DataFrame:
    reshaped_report = report.melt(id_vars='product', var_name='quarter', value_name='sales')
    return reshaped_report

 题源：Leetcode

二、总结

melt()函数是Pandas库中的一个非常实用的功能，用于将宽格式（wide format）的数据转换为长格式（long format），也被称为“unpivot”操作。这对于数据分析中需要按行组织特定变量的数据尤其有用，比如在时间序列分析、数据可视化或准备数据进行统计建模时。

基本语法

pd.melt(frame, id_vars=None, value_vars=None, var_name=None,
 value_name='value', col_level=None, ignore_index=True)

参数说明：

• frame：这是你想要重塑的DataFrame。

• id_vars：这是一个列表，包含你希望保持不变（作为标识列）的列名。这些列不会被重铸过程影响，每一行都会对应这些列的一个唯一值。

• value_vars：这也是一个列表，包含了你想要融化的列名，即你想把它们从列名变成实际数据值的列。默认为DataFrame中除id_vars外的所有列。如果你只想融化特定的几列，就指定它们。

• var_name：新DataFrame中用于存储原列名（被融化的列）的列名，默认为'variable'。

• value_name：新DataFrame中用于存储被融化的列的值的列名，默认为'value'。

• col_level：如果DataFrame的列有MultiIndex，这个参数指定了哪一层应该被当作id_vars或value_vars处理。

• ignore_index：布尔值，默认为True，表示重置新DataFrame的索引。如果设置为False，则保留原始DataFrame的索引。

实例：

例一：

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'],
        var_name='myVarname', value_name='myValname')
   A myVarname  myValname
0  a         B          1
1  b         B          3
2  c         B          5

 例二：

import pandas as pd

data = {
    'product': ['Widget A', 'Widget B'],
    'Q1': [100, 150],
    'Q2': [120, 160],
    'Q3': [80, 170],
    'Q4': [90, 180]
}
df = pd.DataFrame(data)

# 使用melt转换为长格式
long_df = pd.melt(df, id_vars=['product'], value_vars=['Q1', 'Q2', 'Q3', 'Q4'], 
                  var_name='Quarter', value_name='Sales')

# 执行结果为：
    product Quarter  Sales
0  Widget A      Q1    100
1  Widget B      Q1    150
2  Widget A      Q2    120
3  Widget B      Q2    160
4  Widget A      Q3     80
5  Widget B      Q3    170
6  Widget A      Q4     90
7  Widget B      Q4    180

官方文档 

2024.5.15