Python中的melt和pivot轻松实现DataFrame格式转换

大家好，在数据处理与分析中，经常遇到数据需要进行格式转换的情况，例如将数据从宽表格式转换为长表格式，或将数据重新分组汇总。Pandas提供了丰富的reshape操作，尤其是melt和pivot这两个函数，使得DataFrame可以在宽表与长表之间高效转换。通过合理使用melt和pivot，可以在数据清洗、特征工程等环节中极大地提升工作效率。

1. melt操作：宽表转换为长表

1.1 melt的基本语法

在Pandas中，melt和pivot函数用于重塑DataFrame的结构，melt用于将宽表格式转换为长表格式，通常用于将多列数据合并到一列中，pivot用于将长表格式转换为宽表格式，通常用于将唯一值展开为多列。

melt函数的基本语法如下：

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

frame：要转换的DataFrame。

id_vars：不需要被转换的列，这些列将在转换后的DataFrame中保持不变。

value_vars：需要被转换的列，默认会转换除id_vars以外的所有列。

var_name：在转换后的DataFrame中，新列的列名，表示变量名。

value_name：在转换后的DataFrame中，新列的列名，表示变量值。

1.2 将宽表转换为长表

以下是一个包含学生成绩的宽表数据，希望将其转换为长表格式，以便分析各科成绩。

import pandas as pd

# 创建示例数据
data = {
    '姓名': ['Alice', 'Bob', 'Charlie'],
    '数学': [85, 90, 95],
    '英语': [78, 82, 88],
    '物理': [92, 87, 94]
}
df = pd.DataFrame(data)
print("原始数据：\n", df)

原始数据如下：

       姓名  数学  英语  物理
0    Alice  85  78  92
1      Bob  90  82  87
2  Charlie  95