基于date列的pandas宽到长

是指将数据框中的宽格式转换为长格式，其中date列是作为标识变量，其他列是测量变量。这种转换可以使数据更易于分析和可视化。

在pandas中，可以使用melt()函数来实现基于date列的宽到长转换。该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: 需要保留的列，不参与转换的列。
value_vars: 需要转换的列，参与转换的列。
var_name: 转换后的列名。
value_name: 转换后的值列名。
col_level: 如果列是多级索引的一部分，则使用此级别。

下面是一个示例，假设我们有一个数据框df，包含date、A、B、C列：

import pandas as pd

df = pd.DataFrame({
    'date': ['2022-01-01', '2022-01-02', '2022-01-03'],
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

print(df)

输出：

         date  A  B  C
0  2022-01-01  1  4  7
1  2022-01-02  2  5  8
2  2022-01-03  3  6  9

现在，我们将使用melt()函数将数据框从宽格式转换为长格式：

melted_df = pd.melt(df, id_vars='date', value_vars=['A', 'B', 'C'], var_name='variable', value_name='value')

print(melted_df)

输出：

         date variable  value
0  2022-01-01        A      1
1  2022-01-02        A      2
2  2022-01-03        A      3
3  2022-01-01        B      4
4  2022-01-02        B      5
5  2022-01-03        B      6
6  2022-01-01        C      7
7  2022-01-02        C      8
8  2022-01-03        C      9

在转换后的数据框中，date列保持不变，而A、B、C列被合并到了variable列，对应的值则在value列中。

推荐的腾讯云相关产品和产品介绍链接地址：