melt для перехода к длинному формату
Преобразование столбцов в строки
«melt для перехода к длинному формату» — бесплатный урок Data Science Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Data Science Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Data Science Academy содержит 4 уроков всего.
Противоположность pivot
Когда столбцы на самом деле являются замаскированными значениями, melt преобразует их в строки, превращая широкую таблицу в аккуратный длинный формат. 🫠
Что создаёт melt
Melt создаёт два новых столбца: один хранит старые имена столбцов, другой — их значения. Каждая ячейка становится отдельной строкой.
pd.melt(df)Сохранение некоторых столбцов без изменений
Используйте id_vars, чтобы перечислить столбцы, которые должны остаться на месте, например идентификатор или имя. Они повторяются в новой длинной таблице.
df.melt(id_vars='name')Выбор столбцов для преобразования
Укажите в value_vars только нужные столбцы для melt. Всё, что не указано и не входит в id_vars, просто исчезнет из результата.
df.melt(id_vars='name',
value_vars=['Jan', 'Feb'])Именование новых столбцов
По умолчанию используются имена variable и value. Передайте var_name и value_name, чтобы задать понятные метки, например month и sales.
df.melt(var_name='month',
value_name='sales')Зачем выполнять melt перед построением графика
Библиотеки вроде seaborn ожидают длинные входные данные. Быстрый вызов melt позволяет сопоставить один столбец с цветом или секциями и построить сразу несколько рядов.
Melt, затем GroupBy
После преобразования в длинный формат сводки становятся простыми. После melt можно выполнить groupby по новому столбцу переменных и одинаково агрегировать все ряды.
df.melt(id_vars='name').groupby('variable')Melt и pivot — обратные операции
Melt и pivot отменяют действия друг друга. Преобразуйте широкие данные в длинные с помощью melt, затем выполните обратное преобразование — и получите исходную структуру.
Следите за увеличением числа строк
Преобразование melt умножает количество строк: десять столбцов и пять строк превращаются в пятьдесят длинных строк. Ожидайте быстрого роста числа строк.
wide_to_long для повторяющихся шаблонов
Для столбцов с общим префиксом, например sales_2021, wide_to_long преобразует их в длинный формат, извлекая год из каждого имени.
Простой рецепт melt
Надёжный шаблон таков: назовите столбцы идентификаторов, назовите столбцы значений и задайте имена результата. Так Вы получите полностью аккуратную длинную таблицу.
df.melt(id_vars='name',
var_name='month',
value_name='sales')Быстрая проверка
Быстро проверим преобразование широких таблиц.
Итоги: переход к длинному формату
Вы использовали melt с id_vars, value_vars и собственными именами, чтобы привести широкие данные к аккуратному виду. Далее: stack и unstack для MultiIndex. 🎯
Изучай Python с ИИ-репетитором — бесплатно
Пиши и запускай код прямо в браузере, получай мгновенную помощь от ИИ-репетитора 24/7 и продолжи учиться на сайте или в приложении.
- Курсы
- 30
- Уроки
- 120
Часто задаваемые вопросы
Урок «melt для перехода к длинному формату» бесплатный?
Да — полный текст урока «melt для перехода к длинному формату» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Data Science Academy, подпишись на CoddyKit PRO. Курс Data Science Academy содержит 4 уроков всего.
Чему я научусь в уроке «melt для перехода к длинному формату»?
Преобразование столбцов в строки Ты практикуешь Data Science Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Data Science Academy?
Предыдущий опыт не требуется. Data Science Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «melt для перехода к длинному формату»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Data Science Academy?
Да. Каждый урок Data Science Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Широкий и длинный формат, а также аккуратные данные
- pivot_table для перекрёстных таблиц
- melt для перехода к длинному формату
- stack, unstack и MultiIndex