melt för att göra data lång
Omforma kolumner till rader
melt för att göra data lång är en gratis lektion i Data Science Academy på CoddyKit. Detta är lektion 3 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Data Science Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Motsatsen till pivot
När kolumner egentligen är värden i förklädnad omvandlar melt dem till rader och gör en bred tabell till tidy-data i långt format. 🫠
Vad melt skapar
Melt skapar två nya kolumner: en som innehåller de gamla kolumnnamnen och en som innehåller deras värden. Varje cell blir en egen rad.
pd.melt(df)Behåll vissa kolumner fasta
Använd id_vars för att ange kolumner som ska ligga kvar, till exempel ett id eller ett namn. De upprepas nedåt i den nya långa tabellen.
df.melt(id_vars='name')Välj vad som ska omvandlas
Ange value_vars för att bara omvandla vissa kolumner med melt. Allt som utelämnas och inte finns i id_vars tas helt enkelt bort från resultatet.
df.melt(id_vars='name',
value_vars=['Jan', 'Feb'])Namnge dina nya kolumner
Standardnamnen är variable och value. Ange var_name och value_name för att ge dem meningsfulla etiketter, som month och sales.
df.melt(var_name='month',
value_name='sales')Därför använder du melt före visualisering
Bibliotek som seaborn vill ha indata i långt format. En snabb melt låter dig koppla en kolumn till färg eller facet och rita flera serier samtidigt.
Melt och sedan GroupBy
När data är i långt format blir sammanställningar enkla. Efter melt kan du groupby den nya variabelkolumnen och aggregera alla serier på samma sätt.
df.melt(id_vars='name').groupby('variable')Melt och pivot är inverser
Melt och pivot tar ut varandra. Gå från brett till långt med melt och pivota sedan tillbaka för att återfå den ursprungliga layouten.
Se upp för radexplosionen
Melting multiplicerar antalet rader: tio kolumner över fem rader blir femtio långa rader. Räkna med att antalet rader ökar snabbt.
wide_to_long för mönster
För kolumner med samma prefix, som sales_2021, omvandlar wide_to_long dem samtidigt som årtalet plockas ut ur varje namn.
En enkel melt-metod
Ett tillförlitligt mönster är att namnge id-kolumnerna, namnge värdekolumnerna och ange namn på resultatet. Då får du en helt tidy tabell i långt format.
df.melt(id_vars='name',
var_name='month',
value_name='sales')Snabbkontroll
Snabb kontroll av hur du omvandlar breda tabeller.
Sammanfattning: gå till långt format
Du använde melt med id_vars, value_vars och anpassade namn för att ordna breda data. Nästa steg är stack och unstack på ett MultiIndex. 🎯
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”melt för att göra data lång” gratis?
Ja – hela texten till ”melt för att göra data lång” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Data Science Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”melt för att göra data lång”?
Omforma kolumner till rader Ni övar på Data Science Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Data Science Academy?
Du behöver inga förkunskaper. Utbildningen i Data Science Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 3 av 4.
Hur lång tid tar lektionen ”melt för att göra data lång”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Data Science Academy-lektionen?
Ja. Varje Data Science Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Bred eller lång data och städade data
- pivot_table för korstabeller
- melt för att göra data lång
- stack, unstack och MultiIndex