一、每日一题
解答：
import pandas as pddef meltTable(report: pd.DataFrame) -> pd.DataFrame:reshaped_report = report.melt(id_vars='product', var_name='quarter', value_name='sales')return reshaped_report题源：Leetcode
二、总结
melt()函数是Pandas库中的一个非常实用的功能，用于将宽格式（wide format）的数据转换为长格式（long format），也被称为“unpivot”操作。这对于数据分析中需要按行组织特定变量的数据尤其有用，比如在时间序列分析、数据可视化或准备数据进行统计建模时。
基本语法
pd.melt(frame, id_vars=None, value_vars=None, var_name=None,value_name='value', col_level=None, ignore_index=True)参数说明：
-
frame：这是你想要重塑的DataFrame。
-
id_vars：这是一个列表，包含你希望保持不变（作为标识列）的列名。这些列不会被重铸过程影响，每一行都会对应这些列的一个唯一值。
-
value_vars：这也是一个列表，包含了你想要融化的列名，即你想把它们从列名变成实际数据值的列。默认为DataFrame中除id_vars外的所有列。如果你只想融化特定的几列，就指定它们。
-
var_name：新DataFrame中用于存储原列名（被融化的列）的列名，默认为'variable'。
-
value_name：新DataFrame中用于存储被融化的列的值的列名，默认为'value'。
-
col_level：如果DataFrame的列有MultiIndex，这个参数指定了哪一层应该被当作id_vars或value_vars处理。
-
ignore_index：布尔值，默认为True，表示重置新DataFrame的索引。如果设置为False，则保留原始DataFrame的索引。
实例：
例一：
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},'B': {0: 1, 1: 3, 2: 5},'C': {0: 2, 1: 4, 2: 6}})
>>> dfA B C
0 a 1 2
1 b 3 4
2 c 5 6
df.melt(id_vars=['A'], value_vars=['B'],var_name='myVarname', value_name='myValname')A myVarname myValname
0 a B 1
1 b B 3
2 c B 5例二：
import pandas as pddata = {'product': ['Widget A', 'Widget B'],'Q1': [100, 150],'Q2': [120, 160],'Q3': [80, 170],'Q4': [90, 180]
}
df = pd.DataFrame(data)# 使用melt转换为长格式
long_df = pd.melt(df, id_vars=['product'], value_vars=['Q1', 'Q2', 'Q3', 'Q4'], var_name='Quarter', value_name='Sales')# 执行结果为：product Quarter Sales
0 Widget A Q1 100
1 Widget B Q1 150
2 Widget A Q2 120
3 Widget B Q2 160
4 Widget A Q3 80
5 Widget B Q3 170
6 Widget A Q4 90
7 Widget B Q4 180官方文档
2024.5.15
