melt pour passer au format long
Transformer les colonnes en lignes
melt pour passer au format long est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
L’opposé de pivot
Lorsque les colonnes sont en réalité des valeurs déguisées, melt les dé-pivote en lignes et transforme un tableau large en format long structuré. 🫠
Ce que produit melt
melt crée deux nouvelles colonnes : l’une contient les anciens noms de colonnes, l’autre leurs valeurs. Chaque cellule devient sa propre ligne.
pd.melt(df)Garder certaines colonnes fixes
Utilisez id_vars pour lister les colonnes qui doivent rester en place, comme un identifiant ou un nom. Elles sont répétées dans le nouveau tableau long.
df.melt(id_vars='name')Choisir les colonnes à dé-pivoter
Définissez value_vars pour ne dé-pivoter que certaines colonnes. Tout ce qui est omis et ne figure pas dans id_vars est simplement supprimé du résultat.
df.melt(id_vars='name',
value_vars=['Jan', 'Feb'])Nommer vos nouvelles colonnes
Les valeurs par défaut sont variable et value. Transmettez var_name et value_name pour leur donner des étiquettes explicites comme month et sales.
df.melt(var_name='month',
value_name='sales')Pourquoi utiliser melt avant de tracer
Les bibliothèques comme seaborn attendent des données longues. Un melt rapide vous permet d’associer une colonne à une couleur ou à un panneau et de tracer plusieurs séries à la fois.
Utiliser Melt puis GroupBy
Une fois les données au format long, les récapitulatifs deviennent simples. Après melt, vous pouvez utiliser groupby sur la nouvelle colonne de variables et agréger toutes les séries de manière uniforme.
df.melt(id_vars='name').groupby('variable')Melt et pivot sont inverses
melt et pivot s’annulent mutuellement. Passez du format large au format long avec melt, puis revenez au format large avec pivot pour retrouver la disposition d’origine.
Surveiller l’explosion du nombre de lignes
La fusion multiplie les lignes : dix colonnes sur cinq lignes deviennent cinquante lignes longues. Attendez-vous à ce que le nombre de lignes augmente rapidement.
wide_to_long pour les motifs
Pour les colonnes partageant un préfixe comme sales_2021, wide_to_long les convertit tout en extrayant l’année de chaque nom.
Une méthode simple pour utiliser melt
Une méthode fiable : nommez vos colonnes d’identifiants, nommez les colonnes de valeurs et étiquetez le résultat. Vous obtenez ainsi un tableau long entièrement tidy.
df.melt(id_vars='name',
var_name='month',
value_name='sales')Vérification rapide
Vérifions rapidement la conversion de tableaux larges.
Récapitulatif : passer au format long
Vous avez utilisé melt avec id_vars, value_vars et des noms personnalisés pour structurer des données larges. Ensuite : stack et unstack sur un MultiIndex. 🎯
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « melt pour passer au format long » est-elle gratuite ?
Oui — le texte complet de « melt pour passer au format long » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « melt pour passer au format long » ?
Transformer les colonnes en lignes Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « melt pour passer au format long » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Format large ou long, et données ordonnées
- pivot_table pour les tableaux croisés
- melt pour passer au format long
- stack, unstack et MultiIndex