使用pd.melt()方法

钉钉数据分析的时候把宽数据—>长数据

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

参数说明
frame:要处理的数据集。
id_vars:不需要被转换的列名。
value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。
var_name和value_name是自定义设置对应的列名。
col_level :如果列是MultiIndex，则使用此级别。

示例：

d = {
    'col1': ['a','b','c','d','e'], 
     'col2': [1,2,3,4,5], 
     'col3':['u','v','w','x','y']
    }
df = pd.DataFrame(data=d)

df1 = pd.melt(df, id_vars=['col1'])
df1.sort_values(by='col1', inplace=True)

相当于把要转换的区域进行转置，第一行字段名变成第一列，后面每一行数据都变成一列。

注意：对于前面不改变的数据，每一行都只对应转换区域的第一列字段名 + 原本对应的行数据转换的列数据，这些不变的数据直接复制。

这样就把钉钉下载下来的表格变成可以使用的表格了。

标签：None,转换,name,vars,填表,value,一维,数据,pandas
来源： https://blog.csdn.net/weixin_44092964/article/details/116245504