Pandas 好好用系列｜帶你快速玩轉 melt() 功能
Published in
4 min readNov 8, 2019
每次要進行巢狀表格的選取時，總不免需要多次選定欄位，但如果能一次就完整拆解表格豈不美哉？
此時，就是 melt 大展身手的時機。當我們需要多層級分拆資料時，透過 melt 功能就能省去繁雜的操作，以一條函式達到目的，是不是完全展現 Python 精簡的精神xD
參數與函式說明：
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)- frame : 你想要更動的 DataFrame。
- id_vars: 可使用 tuple、list、或 ndarray，用以設定不想要被轉換的欄位。
- value_vars: 可使用 tuple、list、或 ndarray，用以設定想要被拆解的欄位。 如果省略則拆解全部欄位。
- var_name : 轉換後 id 的名稱。如果省略則設定為原本 DataFrame 的欄位名稱或是 variable。
- value_name : 轉換後 value 欄位的名稱。如果省略則顯示原本 DataFrame 的欄位名稱或 value。
- col_level : 可使用 int、string。如果 columns 是 MultiIndex，則使用該參數來進行選擇。
實際案例：
# 設定 DataFrame>>> 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
一、以 id_var 與 value_var 進行資料操作
格式轉換：固定 B 欄，並拆解 A 欄
概念說明：透過固定 B 欄來保持該欄數值不變，並把 A 欄拆成變數（variable），此處能想像成固定 A（欄）後，會跑出代表 A 欄下，分別輸入 B 欄後輸出的數值。
>>> pd.melt(df, id_var(['B'], value_var(['A'])) B variable value
0 1 A a
1 3 A b
2 5 A c
二、以 id_var 與 value_var 加上欄位名稱
格式轉換：固定 B 欄，並拆解 A 欄
概念說明：概念同上，但個別替換掉上述的 variable 與 value 的欄位名。
>>> pd.melt(df, id_var(['B'], value_var(['A']), var_name='varName', value_name='valName') B varName valName
0 1 A a
1 3 A b
2 5 A c
三、如果欄位為 Muiltindex，且選擇其中特定欄位
格式轉換：從複數欄中選擇第一欄（col_level=0），並固定 B 欄拆解 A 欄
概念說明：利用參數 col_level 來選擇欄位的層級，再固定 B 欄位後拆解 A 欄位，會得到與上述相同的結果。
>>> df.columns = [list('ABC'), list('DEF')]
>>> dfA B C
D E F
0 a 1 2
1 b 3 4
2 c 5 6>>> pd.melt(df, id_vars=['B'], value_vars=['A'], col_level=0) B variable value
0 1 A a
1 3 A b
2 5 A c
四、如果欄位為 Muiltindex，且同時選擇兩層欄位
格式轉換：透過 tuple 選擇兩層欄位，並固定 B, E 欄拆解 A, D 欄
概念說明：直接以 tuple 選擇 B, E 兩層欄位，後拆解 A, D 兩個欄位，會個別顯示拆解後的欄位，因此不需要再輸入 col_level 來選擇特定欄位。
>>> 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>>> pd.melt(df, id_vars=[('B', 'E')], value_vars=[('A', 'D')) (B, E) variable_0 variable_1 value
0 1 A D a
1 3 A D b
2 5 A D c
謝謝你／妳，願意把我的文章閱讀完
如果你喜歡筆者在 Medium 的文章，可以拍個手（Claps），最多可以按五個喔！也歡迎你分享給你覺得有需要的朋友們。
