Python | Marco de datos de pandas.melt()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

La función de Pandas dataframe.melt()desvía un DataFrame de formato ancho a formato largo, dejando opcionalmente las variables de identificador establecidas. Esta función es útil para enviar mensajes a un DataFrame en un formato donde una o más columnas son variables de identificador (id_vars), mientras que todas las demás columnas, consideradas variables medidas (value_vars), están «sin pivotar» en el eje de fila, dejando solo dos no identificadores. columnas, ‘variable’ y ‘valor’.

Sintaxis: DataFrame.melt(id_vars=Ninguno, value_vars=Ninguno, var_name=Ninguno, value_name=’value’, col_level=Ninguno)
Parámetros:
marco: DataFrame
id_vars: Columna(s) para usar como identificador de variables
value_vars: Columna(s) des-pivotar. Si no se especifica, usa todas las columnas que no están configuradas como id_vars.
var_name : Nombre a usar para la columna ‘variable’. Si es Ninguno, usa marco.columnas.nombre o ‘variable’.
value_name: nombre que se usará para la columna ‘valor’
col_level: si las columnas son un índice múltiple, use este nivel para derretir.

Devuelve: DataFrame en un formato donde una o más columnas son variables de identificación

Ejemplo #1: Utilice melt()la función para establecer la columna «A» como variable de identificación y la columna «B» como variable de valor.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, 44, 1], 
                   "B":[5, 2, 54, 3, 2], 
                   "C":[20, 16, 7, 3, 8], 
                   "D":[14, 3, 17, 2, 6]})
  
# Print the dataframe
df

Usemos la dataframe.melt()función para establecer la columna «A» como variable de identificación y la columna «B» como variable de valor.

# function to unpivot the dataframe
df.melt(id_vars =['A'], value_vars =['B'])

Salida:

 
Ejemplo n.º 2: use melt()la función para establecer la columna «A» como variable de identificación y las columnas «B» y «C» como variable de valor. También personalice los nombres de la columna de valor y variable.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
                   "B":[5, 2, 54, 3, 2], 
                   "C":[20, 16, 7, 3, 8], 
                   "D":[14, 3, 17, 2, 6]})
  
# Print the dataframe
df

Usemos la dataframe.melt()función para establecer la columna «A» como variable de identificación y las columnas «B» y «C» como la variable de valor.

# function to unpivot the dataframe
# We will also provide a customized name to the value and variable column
  
df.melt(id_vars =['A'], value_vars =['B', 'C'], 
        var_name ='Variable_column', value_name ='Value_column')

Producción :