Función pd.melt() de Pandas
Funciones comunes de Pandaspd.melt()Es una función de nivel superior de la biblioteca Pandas, utilizada paraconvertir tablas anchas en tablas largasFunde los datos de formato ancho con múltiples columnas a formato largo, similar a la operación de despivotar de Excel.
Es una de las funciones más utilizadas en la remodelación de datos, especialmente útil cuando se necesita convertir los datos a formato largo antes de la visualización de datos, o cuando se combinan varias columnas en una sola.
Definición de la palabra： meltSignifica 'derretir' o 'fundir'; aquí se refiere a 'fundir' la estructura de tabla ancha en una estructura de tabla larga, similar a agrupar los datos de varias columnas.
Sintaxis básica y parámetros
pd.melt()Es una función de nivel superior de la biblioteca Pandas, utilizada para convertir datos de formato ancho a formato largo.
Formato de sintaxis
pd.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
Descripción de parámetros
- Parámetro：
frame- Tipo: DataFrame.
- Descripción:Parámetro obligatorioDataFrame de origen, es decir, los datos que se van a convertir de ancho a largo.
- Parámetro：
id_vars- Tipo: nombre de columna, lista de tuplas o None.
- Descripción: columnas que se utilizan como identificadores (ID) y que permanecen sin cambios después de la conversión. Puede ser un nombre de columna único o una lista de nombres de columna. Si no se especifica, todas las columnas se consideran value_vars.
- Parámetro：
value_vars- Tipo: nombre de columna, lista de tuplas o None.
- Descripción: las columnas que se van a 'fundir', es decir, qué columnas se convierten en filas. Si no se especifica, todas las columnas excepto id_vars se convierten.
- Parámetro：
var_name- Tipo: cadena o None.
- Descripción: nombre de la nueva columna generada para almacenar los nombres de columnas originales. El valor predeterminado es 'variable'.
- Parámetro：
value_name- Tipo: cadena.
- Descripción: nombre de la columna de valores generada. El valor predeterminado es 'value'.
- Parámetro：
col_level- Tipo: int, str o None.
- Descripción: si las columnas son MultiIndex (índice de varios niveles), especifica el nivel que se va a fundir.
Descripción de la función
- Valor de retornoDevuelve un DataFrame con los datos convertidos de formato ancho a largo.
- EfectoFunde los valores de varias columnas en dos: una columna almacena los nombres de columnas originales (variable) y la otra almacena los valores correspondientes (value).
Ejemplos
Vamos a dominar por completo, mediante una serie de ejemplos de simples a complejos,pd.melt()el uso.
Ejemplo 1: Uso básico: convertir una tabla ancha en una tabla larga simple
Ejemplos
import pandas as pd
# 1. Crear datos en formato ancho (una columna por trimestre)
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie'],
'Q1_sales': [100, 150, 200],
'Q2_sales': [120, 160, 210],
'Q3_sales': [130, 170, 220]
})
print("=== Datos en formato ancho original ===")
print(df)
# 2. Usar pd.melt() para convertir a formato largo
melted = pd.melt(df, id_vars=['name'], value_vars=['Q1_sales', 'Q2_sales', 'Q3_sales'])
print(n=== pd.melt() Convertir a formato largo ===)
print(melted)
# 3. Personalizar nombres de columnas
melted_custom = pd.melt(
df,
id_vars=['name'],
value_vars=['Q1_sales', 'Q2_sales', 'Q3_sales'],
var_name='quarter',
value_name='sales'
)
print("n=== Nombres de columnas personalizados ===")
print(melted_custom)
# 1. Crear datos en formato ancho (una columna por trimestre)
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie'],
'Q1_sales': [100, 150, 200],
'Q2_sales': [120, 160, 210],
'Q3_sales': [130, 170, 220]
})
print("=== Datos en formato ancho original ===")
print(df)
# 2. Usar pd.melt() para convertir a formato largo
melted = pd.melt(df, id_vars=['name'], value_vars=['Q1_sales', 'Q2_sales', 'Q3_sales'])
print(n=== pd.melt() Convertir a formato largo ===)
print(melted)
# 3. Personalizar nombres de columnas
melted_custom = pd.melt(
df,
id_vars=['name'],
value_vars=['Q1_sales', 'Q2_sales', 'Q3_sales'],
var_name='quarter',
value_name='sales'
)
print("n=== Nombres de columnas personalizados ===")
print(melted_custom)
Resultados esperados:
=== 原始宽格式数据 ===
name Q1_sales Q2_sales Q3_sales
0 Alice 100 120 130
1 Bob 150 160 170
2 Charlie 200 210 220
=== pd.melt() 转换为长格式 ===
name variable value
0 Alice Q1_sales 100
1 Bob Q1_sales 150
2 Charlie Q1_sales 200
3 Alice Q2_sales 120
4 Bob Q2_sales 160
5 Charlie Q2_sales 210
6 Alice Q3_sales 130
7 Bob Q3_sales 170
8 Charlie Q3_sales 220
=== 自定义列名 ===
name quarter sales
0 Alice Q1_sales 100
1 Bob Q1_sales 150
2 Charlie Q1_sales 200
3 Alice Q2_sales 200
Análisis del código:
- Los datos originales están en formato ancho, cada fila representa una persona, y Q1, Q2, Q3 son las columnas de datos de ventas de tres trimestres.
id_vars=['name']Se especifica que la columna name permanezca sin cambios, como identificador.value_vars=['Q1_sales', 'Q2_sales', 'Q3_sales']Se especifican las columnas que se van a fundir.- En el resultado se agregan la columna variable (que almacena los nombres de columnas originales) y la columna value (que almacena los valores correspondientes).
- Usando
var_nameyvalue_namese puede personalizar el nombre de las nuevas columnas.
Ejemplo 2: Sin especificar value_vars - Fundir todas las columnas excepto id_vars
Cuando no se especifica value_vars, se funden automáticamente todas las columnas excepto id_vars.
Ejemplos
import pandas as pd
# 1. Crear datos con más columnas
df = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie'],
'math': [90, 85, 92],
'english': [88, 90, 87],
'science': [95, 88, 91]
})
print("=== Datos originales ===")
print(df)
# 2. Solo especifica id_vars, derrite automáticamente todas las demás columnas
melted = pd.melt(df, id_vars=['id', 'name'])
print("n=== Fundir todas las columnas no id ===")
print(melted)
# 3. Caso de múltiples id_vars
print(n=== múltiples id_vars ===)
melted_multi = pd.melt(df, id_vars=['name'], value_vars=['math', 'english', 'science'])
print(melted_multi)
# 4. Usar un solo id_vars
print(n=== un id_vars ===)
melted_one = pd.melt(df, id_vars=['id'])
print(melted_one)
# 1. Crear datos con más columnas
df = pd.DataFrame({
'id': [1, 2, 3],
'name': ['Alice', 'Bob', 'Charlie'],
'math': [90, 85, 92],
'english': [88, 90, 87],
'science': [95, 88, 91]
})
print("=== Datos originales ===")
print(df)
# 2. Solo especifica id_vars, derrite automáticamente todas las demás columnas
melted = pd.melt(df, id_vars=['id', 'name'])
print("n=== Fundir todas las columnas no id ===")
print(melted)
# 3. Caso de múltiples id_vars
print(n=== múltiples id_vars ===)
melted_multi = pd.melt(df, id_vars=['name'], value_vars=['math', 'english', 'science'])
print(melted_multi)
# 4. Usar un solo id_vars
print(n=== un id_vars ===)
melted_one = pd.melt(df, id_vars=['id'])
print(melted_one)
Resultados esperados:
=== 原始数据 === id name math english science 0 1 Alice 90 88 95 1 2 Bob 85 90 88 2 3 Charlie 92 87 91 === 融化所有非id列 === id name variable value 0 1 Alice math 90 1 2 Bob math 85 2 3 Charlie math 92 3 1 Alice english 88 4 2 融化为两列（variable 和 value）。 - 不指定 value_vars 时，系统会自动识别并熔化除 id_vars 外的所有列 - id_vars 可以是单个列或多个列的组合
Análisis del código:
- No especificar
value_varscuando no se especifica, se funden automáticamente exceptoid_varstodas las demás columnas. - Cuando solo hay id_vars y no value_vars, cada fila de datos genera un número correspondiente de nuevas filas según el número de value_vars.
- Este método es muy conveniente cuando se necesita procesar múltiples columnas de datos de manera unificada.
Ejemplo 3: Sin id_vars - Fundir todas las columnas
Cuando no se especifica id_vars, el índice de los datos originales se utiliza como identificador.
Ejemplos
import pandas as pd
# 1. Crear datos (sin columna id explícita)
df = pd.DataFrame({
'Q1': [100, 150, 200],
'Q2': [120, 160, 210],
'Q3': [130, 170, 220]
})
print("=== Datos originales ===")
print(df)
# 2. No especificar id_vars, usar el índice predeterminado
melted = pd.melt(df)
print(n=== Sin especificar id_vars ===)
print(melted)
# 3. Restaurar el índice original
print("n=== reiniciar índice ===")
melted_with_index = pd.melt(df, ignore_index=False)
print(melted_with_index)
# 4. Caso práctico: crear identificadores
df_with_id = pd.DataFrame({
'year': [2023, 2023, 2023],
'Q1': [100, 150, 200],
'Q2': [120, 160, 210]
})
print("n=== Datos originales (con año) ===")
print(df_with_id)
# Primero agregar year a id_vars
melted_year = pd.melt(df_with_id, id_vars=['year'])
print("n=== Resultado de la fusión que incluye el año ===")
print(melted_year)
# 1. Crear datos (sin columna id explícita)
df = pd.DataFrame({
'Q1': [100, 150, 200],
'Q2': [120, 160, 210],
'Q3': [130, 170, 220]
})
print("=== Datos originales ===")
print(df)
# 2. No especificar id_vars, usar el índice predeterminado
melted = pd.melt(df)
print(n=== Sin especificar id_vars ===)
print(melted)
# 3. Restaurar el índice original
print("n=== reiniciar índice ===")
melted_with_index = pd.melt(df, ignore_index=False)
print(melted_with_index)
# 4. Caso práctico: crear identificadores
df_with_id = pd.DataFrame({
'year': [2023, 2023, 2023],
'Q1': [100, 150, 200],
'Q2': [120, 160, 210]
})
print("n=== Datos originales (con año) ===")
print(df_with_id)
# Primero agregar year a id_vars
melted_year = pd.melt(df_with_id, id_vars=['year'])
print("n=== Resultado de la fusión que incluye el año ===")
print(melted_year)
Resultados esperados:
=== 原始数据 ===
Q1 Q2 Q3
0 100 120 130
1 150 160 170
2 200 210 220
=== 不指定 id_vars ===
variable value
0 Q1 100
1 Q1 150
2 融化所有列，将原始列名转为 variable 列的值，原始值转为 value 列。
Análisis del código:
- Cuando no se especifica id_vars, solo quedan las columnas variable y value.
- Usando
ignore_index=Falsese puede conservar el índice original, lo que facilita la comparación posterior con los datos originales. - En la práctica, normalmente se especifican uno o más id_vars para mantener la información clave.
Ejemplo 4: Caso práctico - Preparación para la visualización de datos
melt() es una gran ayuda para la visualización de datos; muchas bibliotecas de trazado (como Seaborn, Matplotlib) son más adecuadas para manejar datos en formato largo.
Ejemplos
import pandas as pd
# 1. Crear datos de ventas (una columna por región)
sales = pd.DataFrame({
'product': ['A', 'B', 'C', 'D'],
'Jan': [1200, 1500, 900, 1100],
'Feb': [1350, 1600, 950, 1200],
'Mar': [1100, 1450, 880, 1050]
})
print("=== Datos de ventas en formato ancho ===")
print(sales)
# 2. Derretir a formato largo (para visualización)
sales_long = pd.melt(
sales,
id_vars=['product'],
var_name='month',
value_name='sales'
)
print(n=== Datos de ventas en formato largo ===)
print(sales_long)
# 3. Ejemplo de procesamiento de datos: calcular crecimiento interanual
# Agregar número de mes
month_map = {'Jan': 1, 'Feb': 2, 'Mar': 3}
sales_long['month_num'] = sales_long['month'].map(month_map)
print("n=== Agregar número de mes ===")
print(sales_long)
# 4. Filtrar los datos de un mes específico
feb_sales = sales_long[sales_long['month'] == 'Feb']
print(n=== Datos de ventas de febrero ===)
print(feb_sales)
# 1. Crear datos de ventas (una columna por región)
sales = pd.DataFrame({
'product': ['A', 'B', 'C', 'D'],
'Jan': [1200, 1500, 900, 1100],
'Feb': [1350, 1600, 950, 1200],
'Mar': [1100, 1450, 880, 1050]
})
print("=== Datos de ventas en formato ancho ===")
print(sales)
# 2. Derretir a formato largo (para visualización)
sales_long = pd.melt(
sales,
id_vars=['product'],
var_name='month',
value_name='sales'
)
print(n=== Datos de ventas en formato largo ===)
print(sales_long)
# 3. Ejemplo de procesamiento de datos: calcular crecimiento interanual
# Agregar número de mes
month_map = {'Jan': 1, 'Feb': 2, 'Mar': 3}
sales_long['month_num'] = sales_long['month'].map(month_map)
print("n=== Agregar número de mes ===")
print(sales_long)
# 4. Filtrar los datos de un mes específico
feb_sales = sales_long[sales_long['month'] == 'Feb']
print(n=== Datos de ventas de febrero ===)
print(feb_sales)
Resultados esperados:
=== 宽格式销售数据 === product Jan Feb Mar 0 A 1200 1350 1100 product Jan 180 170 6 === 长格式销售数据（用于可视化） === product month sales 0 A Jan 1200 1 B Jan 1500 2 C Jan 900 3 D Jan 1100 4 A Feb 1350
Análisis del código:
- Los datos en formato ancho tienen una columna por región/punto de tiempo, lo que facilita la visualización y la entrada de datos.
- Los datos en formato largo tienen una fila por observación, que es el formato estándar para el análisis estadístico.
- Bibliotecas de visualización como Seaborn aceptan datos en formato largo, lo que permite crear fácilmente gráficos de barras agrupados, gráficos de líneas, etc.
- Usando
id_varsse pueden conservar variables categóricas como producto, región, etc., sin fundir.
Ejemplo 5: Fusión de índices de columnas de varios niveles
Cuando el DataFrame tiene un índice de columnas de varios niveles, se puede utilizarcol_levelel parámetro.
Ejemplos
import pandas as pd
# 1. Crear datos con índice de columnas multinivel
df = pd.DataFrame(
[[100, 110, 200, 210], [150, 160, 180, 190]],
index=['Store_A', 'Store_B'],
columns=pd.MultiIndex.from_tuples([
('Electronics', 'Q1'), ('Electronics', 'Q2'),
('Furniture', 'Q1'), ('Furniture', 'Q2')
], names=['Category', 'Quarter'])
)
print("=== Datos originales (índice de columnas multinivel) ===")
print(df)
# 2. Derretir todas las columnas (sin especificar nivel)
print("n=== Derretir todas las columnas ===")
melted_all = pd.melt(df, ignore_index=False)
print(melted_all)
# 3. Fundir solo la capa interna (Quarter)
print("n=== Solo derretir el nivel Quarter ===")
melted_quarter = pd.melt(df, col_level=1)
print(melted_quarter)
# 4. Derretir capa externa (Category)
print("n=== Solo aplicar melt a la capa Category ===")
melted_category = pd.melt(df, col_level=0)
print(melted_category)
# 1. Crear datos con índice de columnas multinivel
df = pd.DataFrame(
[[100, 110, 200, 210], [150, 160, 180, 190]],
index=['Store_A', 'Store_B'],
columns=pd.MultiIndex.from_tuples([
('Electronics', 'Q1'), ('Electronics', 'Q2'),
('Furniture', 'Q1'), ('Furniture', 'Q2')
], names=['Category', 'Quarter'])
)
print("=== Datos originales (índice de columnas multinivel) ===")
print(df)
# 2. Derretir todas las columnas (sin especificar nivel)
print("n=== Derretir todas las columnas ===")
melted_all = pd.melt(df, ignore_index=False)
print(melted_all)
# 3. Fundir solo la capa interna (Quarter)
print("n=== Solo derretir el nivel Quarter ===")
melted_quarter = pd.melt(df, col_level=1)
print(melted_quarter)
# 4. Derretir capa externa (Category)
print("n=== Solo aplicar melt a la capa Category ===")
melted_category = pd.melt(df, col_level=0)
print(melted_category)
Resultado esperado de la ejecución:
=== 原始数据（多层列索引）=== Category Electronics Furniture Quarter Q1 Q2 Q1 融化不同层级会产生不同的结果： - 融化内层（Quarter）保留 Category 作为 id - 融化外层（Category）保留 Quarter 作为 id
Análisis del código:
- DataFrame con índice de columnas de varios niveles, los nombres de columna están en forma de tupla: (Category, Quarter).
col_level=0Aplicar melt a la capa externa (Category), conservando Quarter como id.col_level=1Aplicar melt a la capa interna (Quarter), conservando Category como id.- Esta flexibilidad te permite elegir el nivel al que aplicar melt según las necesidades de tu análisis.
Otras extensionesConsejo:
pd.melt()Es una gran ayuda para la visualización de datos. La mayoría de las librerías de gráficos (como Seaborn, Plotnine) manejan mejor los datos en formato largo; primero convertir los datos con melt() y luego graficar es una práctica común.