DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None) [source]
"Unpivots" DataFrame从宽格式转换为长格式，可选保留设置的标识符变量。
这个函数对于将DataFrame转换成这样一种格式非常有用，其中一个或多个列是标识符变量(id_vars)，而所有其他列(被认为是测量变量(value_vars))都"unpivoted"到行轴，只留下两个非标识符列"variable"和"value"。
参数： | rame ： id_vars：t 用作标识符变量的列。 value_vars： 要unpivot的列。如果未指定，则使用未设置为 var_name：标量 用于 value_name：标量，默认为 用于 col_level： 如果列是MultiIndex，则使用此级别进行融合。 |
例子
>>> import pandas as pd
>>> 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'])
A variable value
0 a B 1
1 b B 3
2 c B 5>>> df.melt(id_vars=['A'], value_vars=['B', 'C'])
A variable value
0 a B 1
1 b B 3
2 c B 5
3 a C 2
4 b C 4
5 c C 6可以自定义‘variable’ 和 ‘value’ 列的名称：
>>> 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如果您有多索引列：
>>> df.columns = [list('ABC'), list('DEF')]
>>> df
A B C
D E F
0 a 1 2
1 b 3 4
2 c 5 6>>> df.melt(col_level=0, id_vars=['A'], value_vars=['B'])
A variable value
0 a B 1
1 b B 3
2 c B 5>>> df.melt(id_vars=[('A', 'D')], value_vars=[('B', 'E')])
(A, D) variable_0 variable_1 value
0 a B E 1
1 b B E 3
2 c B E 5