【3.6.1】Pandas--宽转长melt

在pandas中,宽型转长型数据有melt和wide_to_long两种方法。

一、melt

pandas.melt(frame: pandas.core.frame.DataFrame, id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None) → pandas.core.frame.DataFrame

Unpivot a DataFrame from wide to long format, optionally leaving identifiers set.

melt方法叫做数据融合,是dataFrame拥有的方法,使用较为频繁。参数解释如下:

DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None, ignore_index=True)

id_vars:[tuple, list, ndarray],列中识别符变量,不参与融合。
value_vars:[tuple, list, ndarray],列中融合变量,默认全部融合。
var_name:[scalar],融合后变量名字,默认variable。
value_name:[scalar],融合后值名字,默认value。
col_level:[int, str],多重列索引时选择列。
ignore_index:[bool],融合后索引是否重新排序,默认True。
import pandas as pd
pd.set_option('display.notebook_repr_html',False)

#宽型数据

w_df = pd.DataFrame({'A': [1,2,3],
                   'B': [4,5,6],
                   'C': [7,8,9]})
w_df

A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

当不传入任何参数时,默认会融合全部的列。

#全部融合

w_df.melt()

variable  value
0        A      1
1        A      2
2        A      3
3        B      4
4        B      5
5        B      6
6        C      7
7        C      8
8        C      9

设置id_vars参数,选择部分列作为识别符不参与融合,剩余的列将全部融合。

#A标识,B,C融合

w_df.melt(id_vars=['A'])

A variable  value
0  1        B      4
1  2        B      5
2  3        B      6
3  1        C      7
4  2        C      8
5  3        C      9

#A,B标识,C融合

w_df.melt(id_vars=['A','B'])

A  B variable  value
0  1  4        C      7
1  2  5        C      8
2  3  6        C      9

设置value_vars参数,选择部分列作为融合列。 注意剩余的列不会自动作为标识符列。

只融合A

w_df.melt(value_vars=['A'])

variable  value
0        A      1
1        A      2
2        A      3
# 只融合A,B
w_df.melt(value_vars=['A','B'])

variable  value
0        A      1
1        A      2
2        A      3
3        B      4
4        B      5
5        B      6

设置var_name(默认variable),value_name(默认value)参数,为融合的变量与值设置名字。

#设置融合后变量名与值名

w_df.melt(var_name='code',value_name='count')

code  count
0    A      1
1    A      2
2    A      3
3    B      4
4    B      5
5    B      6
6    C      7
7    C      8
8    C      9

设置ignore_index=False可以保留原数据的索引。

w_df.melt(ignore_index=False)

variable  value
0        A      1
1        A      2
2        A      3
0        B      4
1        B      5
2        B      6
0        C      7
1        C      8
2        C      9

设置col_level参数,可以选择多重列索引数据来融合数据。

列多重索引数据

mi_w_df=w_df.copy()
mi_w_df.columns=[list('ABC'),list('DEF')]
mi_w_df

A  B  C
   D  E  F
0  1  4  7
1  2  5  8
2  3  6  9

融合第一索引列

mi_w_df.melt(col_level=0)

variable  value
0        A      1
1        A      2
2        A      3
3        B      4
4        B      5
5        B      6
6        C      7
7        C      8
8        C      9

融合第二索引列

mi_w_df.melt(col_level=1)

variable  value
0        D      1
1        D      2
2        D      3
3        E      4
4        E      5
5        E      6
6        F      7
7        F      8
8        F      9

二、wide_to_long

wide_to_long函数是pandas自带的,是对melt的一种补充,在特殊的宽转长情况下更适用。

pandas.wide_to_long(df, stubnames, i, j, sep='', suffix='\d+')

df:[pd.dataframe],宽型数据框
stubnames:[str,list-like],列名中的存根名字
i:[str,list-like],列中的索引变量
j:[str],后缀的重命名
sep:[str,default ""],存根名与后缀之间的分隔符
suffix:[str,default "\d+"],后缀

#宽型数据

s_df = pd.DataFrame({"A1970" : [1,33,3],
                   "B1980" : [3,5,7],
                   "A1980" : [13,15,17],
                   "B1970" : [6,8,14],
                   "x"     : [1,2,3],
                   "y"     : [4,5,6]})
s_df

A1970  B1980  A1980  B1970  x  y
0      1      3     13      6  1  4
1     33      5     15      8  2  5
2      3      7     17     14  3  6

在数据中,A1970,B1980,A1980,B1970这几列名字具有相同的结构,如果需要将它们分开,就可以用long_to_wide函数。

#特定列的宽转长

pd.wide_to_long(s_df,stubnames=['A','B'],j='year',i='x')

y   A   B
x year           
1 1970  4   1   6
  1980  4  13   3
2 1970  5  33   8
  1980  5  15   5
3 1970  6   3  14
  1980  6  17   7

设置stubnames,函数会根据设置的字符去数据列中匹配目标列,然后转换为长数据

#只转换包含A的列

pd.wide_to_long(s_df,stubnames=['A',],j='year',i='x')

B1970  y  B1980   A
x year                     
1 1970      6  4      3   1
2 1970      8  5      5  33
3 1970     14  6      7   3
1 1980      6  4      3  13
2 1980      8  5      5  15
3 1980     14  6      7  17

如果stubnames参数设置的字符在原数据框的列中无法找到,则返回空数据框。

#列名中不存在C字符,返回空数据框

pd.wide_to_long(s_df,stubnames=['C',],j='year',i='x')

Empty DataFrame
Columns: [B1970, y, A1980, B1980, A1970, C]
Index: []

参数i可以设置为多列,返回多个索引。

#设置多索引

pd.wide_to_long(s_df,stubnames=['A','B'],j='year',i=['x','y'])

A   B
x y year        
1 4 1970   1   6
    1980  13   3
2 5 1970  33   8
    1980  15   5
3 6 1970   3  14
    1980  17   7

参数sep表示分隔符,默认"",可以根据实际情况设置。

#宽型数据(-分隔符)

sep_df = pd.DataFrame({"A-1970" : [1,33,3],
                   "B-1980" : [3,5,7],
                   "A-1980" : [13,15,17],
                   "B-1970" : [6,8,14],
                   "x"     : [1,2,3],
                   "y"     : [4,5,6]})
sep_df

A-1970  B-1980  A-1980  B-1970  x  y
0       1       3      13       6  1  4
1      33       5      15       8  2  5
2       3       7      17      14  3  6

数据中列名的分隔符为-,则转换的时候需要设置sep='-'。

#设置sep参数

pd.wide_to_long(sep_df,stubnames=['A','B'],j='year',i='x',sep='-')

y   A   B
x year           
1 1970  4   1   6
  1980  4  13   3
2 1970  5  33   8
  1980  5  15   5
3 1970  6   3  14
  1980  6  17   7

参数suffix表示后缀,默认是"\d+",是正则表达式,表示匹配数字,可以根据实际情况替换。

#宽型数据

suf_df = pd.DataFrame({"Aone" : [1,33,3],
                   "Btwo" : [3,5,7],
                   "Atwo" : [13,15,17],
                   "Bone" : [6,8,14],
                   "x"     : [1,2,3],
                   "y"     : [4,5,6]})
suf_df

Aone  Btwo  Atwo  Bone  x  y
0     1     3    13     6  1  4
1    33     5    15     8  2  5
2     3     7    17    14  3  6
# 指定后缀
pd.wide_to_long(suf_df,stubnames=['A','B'],j='year',i='x',suffix='(one|two)')

y   A   B
x year           
1 one   4   1   6
  two   4  13   3
2 one   5  33   8
  two   5  15   5
3 one   6   3  14
  two   6  17   7

参考资料

这里是一个广告位,,感兴趣的都可以发邮件聊聊:tiehan@sina.cn
个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn