melt per passare al formato long
Trasformare le colonne in righe.
melt per passare al formato long è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
The Opposite of Pivot
When columns are really values in disguise, melt unpivots them into rows, turning a wide table into tidy long form. 🫠
What melt Produces
Melt creates two new columns: one holding the old column names, one holding their values. Every cell becomes its own row.
pd.melt(df)Keep Some Columns Fixed
Use id_vars to list columns that should stay put, like an id or name. Those repeat down the new long table.
df.melt(id_vars='name')Choose What to Unpivot
Set value_vars to melt only specific columns. Anything left out and not in id_vars is simply dropped from the result.
df.melt(id_vars='name',
value_vars=['Jan', 'Feb'])Name Your New Columns
The defaults are variable and value. Pass var_name and value_name to give them meaningful labels like month and sales.
df.melt(var_name='month',
value_name='sales')Why Melt Before Plotting
Libraries like seaborn want long input. A quick melt lets you map one column to color or facet and plot many series at once.
Melt Then GroupBy
Once data is long, summaries get simple. After melt you can groupby the new variable column and aggregate every series uniformly.
df.melt(id_vars='name').groupby('variable')Melt and Pivot Are Inverses
Melt and pivot undo each other. Go wide to long with melt, then pivot back, and you recover the original layout.
Watch the Row Explosion
Melting multiplies rows: ten columns over five rows becomes fifty long rows. Expect the row count to grow fast.
wide_to_long for Patterns
For columns sharing a prefix like sales_2021, wide_to_long melts them while parsing the year out of each name.
A Clean Melt Recipe
A reliable pattern: name your id columns, name the value columns, and label the output. That gives a fully tidy long table.
df.melt(id_vars='name',
var_name='month',
value_name='sales')Quick Check
Quick check on melting wide tables.
Recap: Going Long
You used melt with id_vars, value_vars, and custom names to tidy wide data. Next: stack and unstack on a MultiIndex. 🎯
Domande Frequenti
La lezione «melt per passare al formato long» è gratuita?
Sì — il testo completo di «melt per passare al formato long» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «melt per passare al formato long»?
Trasformare le colonne in righe. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «melt per passare al formato long»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Wide e long, e dati tidy
- pivot_table per tabelle incrociate
- melt per passare al formato long
- stack, unstack e MultiIndex