python pandas 列转行

pandas中的列转行操作是指将数据框中的列转换为行。这个操作在数据处理中非常常见，可以使用pandas库中的melt()函数来实现。melt()函数可以将指定的列转换为行，并将其他列保持不变。下面是一个简单的例子：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},
                   'B': {0: 1, 1: 3, 2: 5},
                   'C': {0: 2, 1: 4, 2: 6}})

# 使用melt()函数进行列转行操作
df_melted = pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])

# 输出转换后的数据框
print(df_melted)

输出结果为：

  A variable  value
0 a        B      1
1 b        B      3
2 c        B      5
3 a        C      2
4 b        C      4
5 c        C      6

在上面的例子中，我们使用melt()函数将数据框df中的列B和C转换为行，并将列A保持不变。转换后的数据框df_melted中包含三列，分别是A、variable和value，其中variable列包含了原来的列名，value列包含了原来列中的值。

相关问题

pandas 列转行

在pandas中，可以使用melt函数来实现列转行的操作。melt函数的主要参数包括frame、id_vars、value_vars、var_name、value_name、ignore_index和col_level。\[2\]其中，frame参数指定要进行操作的数据框，id_vars参数指定要保留的列，value_vars参数指定要转换的列，var_name参数指定转换后的列名，value_name参数指定转换后的值的列名，ignore_index参数指定是否重置索引，col_level参数指定列的层级。\[2\]

下面是一个示例，假设我们有一个数据框tmp，其中包含姓名、科目和分数三列。我们可以使用set_index函数将姓名和科目作为索引，然后使用unstack函数将科目列转换为列名，最后使用reset_index函数重置索引，即可实现列转行的操作。具体代码如下：\[3\]

df = tmp.set_index(\['姓名','科目'\])\['分数'\].unstack()
df.columns.name = None
df = df.reset_index()

另外，还可以使用pivot函数来实现列转行的操作。具体代码如下：\[3\]

df = tmp.pivot(index='姓名',columns='科目',values='分数').rename_axis(columns=None).reset_index()

以上是两种常用的方法，你可以根据具体的需求选择适合的方法进行列转行的操作。
#### 引用[.reference_title]
- *1* [python pandas数据处理excel、csv列转行、行转列（具体示例）](https://blog.csdn.net/c1007857613/article/details/130148765)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [pandas行列转换的4大技巧](https://blog.csdn.net/qq_25443541/article/details/121961253)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [pandas如何进行优雅的列转行、行转列？](https://blog.csdn.net/qq_41780234/article/details/121622495)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

pandas如何列转行

在pandas中，可以使用`melt()`函数将列转换为行。`melt()`函数的基本语法如下：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

参数说明：
- `frame`：要转换的数据框。
- `id_vars`：要保留的列名，不进行转换的列。
- `value_vars`：要进行转换的列名，如果不指定，则默认使用所有列。
- `var_name`：转换后的列名，默认为`variable`。
- `value_name`：转换后的值列名，默认为`value`。
- `col_level`：如果列是多级索引，则使用此参数指定要转换的级别。

下面是一个示例，演示如何使用`melt()`函数将列转换为行：

import pandas as pd

# 创建示例数据框
data = {'Name': ['John', 'Mike', 'Sarah'],
        'Maths': [90, 80, 95],
        'Science': [85, 88, 92],
        'English': [92, 78, 88]}
df = pd.DataFrame(data)

# 使用melt()函数将列转换为行
df_melted = pd.melt(df, id_vars=['Name'], value_vars=['Maths', 'Science', 'English'], var_name='Subject', value_name='Score')

print(df_melted)

输出结果如下：

    Name  Subject  Score
0   John    Maths     90
1   Mike    Maths     80
2  Sarah    Maths     95
3   John  Science     85
4   Mike  Science     88
5  Sarah  Science     92
6   John  English     92
7   Mike  English     78
8  Sarah  English     88

在上面的示例中，我们将`Maths`、`Science`和`English`这三列转换为行，并将转换后的列名命名为`Subject`，值列名命名为`Score`。