锋哥原创的Pandas2 Python数据处理与分析 视频教程：  

2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

melt() 是 pandas 中用于数据重塑的核心方法之一，它可以将 宽格式数据 转换为 长格式数据，特别适合处理具有多个观测值列的数据集。与 stack()/unstack() 不同，melt() 提供了更直观的方式来整理数据，尤其适用于数据预处理和清洗阶段。

基本概念：宽格式 vs 长格式

在深入 melt() 之前，先理解两种数据格式：

• 宽格式：每个变量有单独的列

   ID  Math  Science  English
0   1    90       85       92
1   2    78       88       95

• 长格式：变量名和值分别存储在单独的列中

   ID   Subject  Score
0   1     Math     90
1   1  Science     85
2   1  English     92
3   2     Math     78
4   2  Science     88
5   2  English     95

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

参数	说明
frame	要处理的 DataFrame
id_vars	保持不变的列（标识变量）
value_vars	要融合的列（观测值变量）
var_name	新创建的变量名列的名称
value_name	新创建的值列的名称
col_level	用于多级列索引的层级
ignore_index	是否忽略原始索引（默认为 True）

示例

import pandas as pd
​
# 创建示例数据
df = pd.DataFrame({'Student': ['Alice', 'Bob'],'Math': [90, 78],'Science': [85, 88],'English': [92, 95]
})
​
print("原始数据（宽格式）:")
print(df)

使用 melt() 转换：

melted_df = pd.melt(df,id_vars=['Student'],  # 保留学生列value_vars=['Math', 'Science', 'English'],  # 融合的科目列var_name='Subject',  # 新列名：存储科目名称value_name='Score'  # 新列名：存储分数
)
​
print("\n融合后数据（长格式）:")
print(melted_df)