melt para transformar em formato longo
Desfazendo a dinâmica das colunas em linhas.
melt para transformar em formato longo é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 3 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.
O oposto de pivot
Quando as colunas são, na verdade, valores disfarçados, melt as desfaz em linhas, transformando uma tabela larga em um formato longo organizado. 🫠
O que melt produz
Melt cria duas colunas novas: uma contendo os nomes das colunas antigas e outra contendo seus valores. Cada célula se torna sua própria linha.
pd.melt(df)Mantendo algumas colunas fixas
Use id_vars para listar as colunas que devem permanecer no lugar, como um identificador ou nome. Elas se repetem ao longo da nova tabela longa.
df.melt(id_vars='name')Escolhendo o que desfazer
Defina value_vars para aplicar melt somente a colunas específicas. Tudo o que ficar de fora e não estiver em id_vars simplesmente será removido do resultado.
df.melt(id_vars='name',
value_vars=['Jan', 'Feb'])Dando nome às novas colunas
Os padrões são variável e valor. Passe var_name e value_name para dar a elas rótulos significativos, como mês e vendas.
df.melt(var_name='month',
value_name='sales')Por que usar melt antes de criar gráficos
Bibliotecas como seaborn esperam dados longos. Um melt rápido permite mapear uma coluna para a cor ou para o painel e criar gráficos de várias séries de uma só vez.
Melt e depois GroupBy
Quando os dados estão no formato longo, os resumos ficam simples. Depois de melt, você pode usar groupby na nova coluna de variáveis e agregar todas as séries de maneira uniforme.
df.melt(id_vars='name').groupby('variable')Melt e pivot são inversos
Melt e pivot desfazem o trabalho um do outro. Passe do formato largo para o longo com melt, depois faça o pivot novamente, e você recuperará a disposição original.
Observe a explosão de linhas
Melting multiplica as linhas: dez colunas em cinco linhas se tornam cinquenta linhas longas. Espere que a quantidade de linhas cresça rapidamente.
wide_to_long para padrões
Para colunas que compartilham um prefixo, como sales_2021, wide_to_long faz o melt delas enquanto extrai o ano de cada nome.
Uma receita limpa para melt
Um padrão confiável: nomeie as colunas de identificação, nomeie as colunas de valores e rotule o resultado. Assim, você obtém uma tabela longa totalmente organizada.
df.melt(id_vars='name',
var_name='month',
value_name='sales')Verificação rápida
Uma verificação rápida sobre como transformar tabelas largas.
Recapitulação: indo para o formato longo
Você usou melt com id_vars, value_vars e nomes personalizados para organizar dados largos. Próximo passo: stack e unstack em um MultiIndex. 🎯
Perguntas Frequentes
A aula “melt para transformar em formato longo” é grátis?
Sim — o texto completo de “melt para transformar em formato longo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.
O que vou aprender em “melt para transformar em formato longo”?
Desfazendo a dinâmica das colunas em linhas. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Data Science Academy?
Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 3 de 4.
Quanto tempo leva a aula “melt para transformar em formato longo”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Data Science Academy?
Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Largo ou longo e dados organizados
- pivot_table para tabelas cruzadas
- melt para transformar em formato longo
- stack, unstack e MultiIndex