TechCodeview

Pandas.melt() 関数は次の目的で使用されます。 アンピボット DataFrame をワイド形式からロング形式に変換します。

その主なタスクは、一部の列が識別子変数であり、残りの列が測定変数とみなされ、行軸に対してアンピボットされる形式に DataFrame をマッサージすることです。変数と値の 2 つの非識別子列だけが残ります。

Javaの比較

構文

 pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None) 

パラメーター

フレーム：データフレームを指します。id_vars[タプル、リスト、または ndarray、オプション]:識別子変数として使用する列を指します。value_vars[タプル、リスト、または ndarray、オプション]:アンピボットする列を参照します。指定しない場合は、id_vars として設定されていないすべての列を使用します。var_name[スカラー]:「変数」列に使用する名前を参照します。 None の場合は、frame.columns.name または 'variable' が使用されます。value_name[スカラー、デフォルトの「値」]:「値」列に使用する名前を参照します。Col_level[int または string、オプション]: 列が MultiIndex の場合、このレベルを使用して溶解します。

戻り値

アンピボットされた DataFrame を出力として返します。

char から int Java へ

例

 # importing pandas as pd import pandas as pd # creating a dataframe info = pd.DataFrame({'Name': {0: 'Parker', 1: 'Smith', 2: 'John'}, 'Language': {0: 'Python', 1: 'Java', 2: 'C++'}, 'Age': {0: 22, 1: 30, 2: 26}}) # Name is id_vars and Course is value_vars pd.melt(info, id_vars =['Name'], value_vars =['Language']) info 

出力

 Name Language Age 0 Parker Python 22 1 Smith Java 30 2 John C++ 26 

例2

 import pandas as pd info = pd.DataFrame({'A': {0: 'p', 1: 'q', 2: 'r'}, 'B': {0: 40, 1: 55, 2: 25}, 'C': {0: 56, 1: 62, 2: 42}}) pd.melt(info, id_vars=['A'], value_vars=['C']) pd.melt(info, id_vars=['A'], value_vars=['B', 'C']) pd.melt(info, id_vars=['A'], value_vars=['C'], var_name='myVarname', value_name='myValname') 

出力

 A myVarname myValname 0 p C 56 1 q C 62 2 r C 42