溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
今天就跟大家聊聊有關Python數據分析中寬表是如何重構為長表，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。
今天，先來了解Pandas封裝的頂層函數部分，其一：melt()函數，它位于Pandas包的最頂層，結構如下：
Pandas
|
melt()
melt()函數的原型如下：
frame為list型參數，后面都為position型參數。前者為通常意義的*args, 后者為 **kwargs.
frame不難猜測為Pandas的二維數組結構DataFrame，其他參數含義通過如下幾個例子觀察。
構造df 結構如下：
執行如下操作：
pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
結果如下：
觀察
變化后的df行數變多了，A列名稱保持不變;
第二列的column名稱變為variable，取值變為 B 和 C（正好等于melt函數的第三個參數 value_vars）；
第三列名為value，取值為原df的B和C列的值。
再驗證
pd.melt(df2, id_vars=['a'], value_vars=['b', 'c', 'd'])
變化后的結構行數明顯變更多了，由9行組成，但是列變少了，只有3列。
這里面引出2個概念：
寬表( wide format) ：指列數比較多
長表( long format) ：行數比較多
回頭核對官方給定melt的功能和參數
注意用詞：unpivot 變化 DataFrame從寬格式到長格式，選擇性地保留標示列，其實就是指 id_vars參數。
以上為兩個最主要的參數，第二個value_vars指需要upivot的列。
思考
melt()函數的作用，它能將寬表變化為長表。在做特征分析列數較多，即為寬表時，我們不妨選擇某些列為unpivot列，從而降低維度，增加行數據實現對數據的重構。
官方解釋melt()中變化這個詞使用了unpivot，因此大膽猜測它的逆操作為 pivot()。
看完上述內容，你們對Python數據分析中寬表是如何重構為長表有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
