pandas.lreshape#

pandas.lreshape(данные, группы, dropna=True)[источник]#

Преобразование данных из широкого формата в длинный. Обобщенная обратная операция к DataFrame.pivot.

Принимает словарь, groups, в котором каждый ключ — это новое имя столбца, а каждое значение — список старых имен столбцов, которые будут "расплавлены" под новым именем столбца в рамках преобразования.

Параметры:

данныеDataFrame: DataFrame в широком формате.
группыdict: {новое_имя : список_столбцов}.
dropnabool, по умолчанию True: Не включать столбцы, все записи которых являются NaN.

Возвращает:

DataFrame: Преобразованный DataFrame.

Смотрите также

melt: Преобразовать DataFrame из широкого в длинный формат, опционально оставляя идентификаторы установленными.
pivot: Создает сводную таблицу в стиле электронных таблиц как DataFrame.
DataFrame.pivot: Сводная таблица без агрегации, которая может обрабатывать нечисловые данные.
DataFrame.pivot_table: Обобщение pivot, которое может обрабатывать дублирующиеся значения для одной пары индекс/столбец.
DataFrame.unstack: Сводная таблица на основе значений индекса вместо столбца.
wide_to_long: Широкую панель в длинный формат. Менее гибкий, но более удобный для пользователя, чем melt.

Примеры

>>> data = pd.DataFrame({'hr1': [514, 573], 'hr2': [545, 526],
...                      'team': ['Red Sox', 'Yankees'],
...                      'year1': [2007, 2007], 'year2': [2008, 2008]})
>>> data
   hr1  hr2     team  year1  year2
0  514  545  Red Sox   2007   2008
1  573  526  Yankees   2007   2008

>>> pd.lreshape(data, {'year': ['year1', 'year2'], 'hr': ['hr1', 'hr2']})
      team  year   hr
0  Red Sox  2007  514
1  Yankees  2007  573
2  Red Sox  2008  545
3  Yankees  2008  526