Изучаем функцию melt в библиотеке pandas

Метод `melt()` в библиотеке Pandas используется для "расплавления" (unstacking) данных, то есть преобразования широкого формата данных в длинный формат. Это означает, что столбцы, которые содержат значения для разных переменных, сливаются в один столбец, а значения этих переменных перемещаются в новый столбец.

Для понимания принципа работы `melt()`, представим следующую ситуацию. У нас есть DataFrame с данными о продажах различных товаров в разные даты:

 python
import pandas as pd
data = {
    'Дата': ['2022-01-01', '2022-01-02', '2022-01-03'],
    'Товар 1': [10, 15, 12],
    'Товар 2': [5, 8, 3],
    'Товар 3': [7, 9, 4]
}
df = pd.DataFrame(data)

DataFrame имеет следующий вид:

         Дата  Товар 1  Товар 2  Товар 3
0  2022-01-01       10        5        7
1  2022-01-02       15        8        9
2  2022-01-03       12        3        4

Мы хотим переформатировать данные таким образом, чтобы каждая строка содержала информацию о продаже определенного товара в определенную дату. Для этого мы можем использовать метод `melt()` следующим образом:

 python
melted_df = df.melt(id_vars=['Дата'], var_name='Товар', value_name='Продажи')

Здесь параметр `id_vars` задает столбцы, которые мы хотим оставить без изменений. В данном случае мы хотим оставить без изменений столбец "Дата". Параметр `var_name` задает название нового столбца, в котором будут содержаться названия товаров, а параметр `value_name` задает название нового столбца, в котором будут содержаться значения продаж.

Результатом выполнения данного кода будет новый DataFrame `melted_df` следующего вида:

          Дата     Товар  Продажи
0  2022-01-01  Товар 1       10
1  2022-01-02  Товар 1       15
2  2022-01-03  Товар 1       12
3  2022-01-01  Товар 2        5
4  2022-01-02  Товар 2        8
5  2022-01-03  Товар 2        3
6  2022-01-01  Товар 3        7
7  2022-01-02  Товар 3        9
8  2022-01-03  Товар 3        4

Таким образом, мы получили длинный формат данных, в котором каждая строка представляет отдельное наблюдение (продажу) для определенного товара в определенную дату.

Метод `melt()` также позволяет указывать дополнительные параметры, например, `value_vars`, которым можно задать список столбцов, которые нужно "расплавить". Если нам необходимо "расплавить" только некоторые столбцы в DataFrame, мы можем передать их имена в параметр `value_vars`.

Пример:

 python
melted_df = df.melt(id_vars=['Дата'], value_vars=['Товар 1', 'Товар 2'], var_name='Товар', value_name='Продажи')

Результат выполнения данного кода будет содержать только столбцы "Дата", "Товар" и "Продажи" и будет иметь вид:

          Дата     Товар  Продажи
0  2022-01-01  Товар 1       10
1  2022-01-02  Товар 1       15
2  2022-01-03  Товар 1       12
3  2022-01-01  Товар 2        5
4  2022-01-02  Товар 2        8
5  2022-01-03  Товар 2        3

Таким образом, метод `melt()` позволяет легко преобразовывать данные из широкого формата в длинный формат для удобства анализа и визуализации данных.