melt do przechodzenia do układu długiego
Przekształcanie kolumn w wiersze
melt do przechodzenia do układu długiego to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
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. 🎯
Często zadawane pytania
Czy lekcja „melt do przechodzenia do układu długiego” jest bezpłatna?
Tak — pełny tekst „melt do przechodzenia do układu długiego” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „melt do przechodzenia do układu długiego”?
Przekształcanie kolumn w wiersze Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „melt do przechodzenia do układu długiego”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Układ szeroki i długi oraz dane tidy
- pivot_table do tabel krzyżowych
- melt do przechodzenia do układu długiego
- stack, unstack i MultiIndex