[Pandas] melt

정의

DataFrame.melt() 는 Pandas pivot 의 역방향. wide-format → long-format 변환. 여러 컬럼을 두 컬럼 (variable, value) 으로 합친다.

장기간 시계열 데이터나 시각화 (ggplot, seaborn) 입력에 적합.

시각화

기본

import pandas as pd
df = pd.DataFrame({
  'name': ['Alice', 'Bob'],
  'math': [90, 80],
  'english': [85, 75],
  'science': [95, 70],
})
melted = df.melt(id_vars='name', var_name='subject', value_name='score')
print(melted)

    name  subject  score
0  Alice     math     90
1    Bob     math     80
2  Alice  english     85
3    Bob  english     75
4  Alice  science     95
5    Bob  science     70

Before (wide):

After (long):

파라미터

일부 컬럼만 melt

df.melt(
    id_vars=['name', 'grade'],
    value_vars=['math', 'english'],
    var_name='subject',
    value_name='score',
)
# science 는 빠짐

시각화 라이브러리와의 궁합

import seaborn as sns
melted = df.melt(id_vars='name', var_name='subject', value_name='score')
sns.barplot(data=melted, x='subject', y='score', hue='name')
# long format 이라 seaborn 이 쉽게 그룹화

pivot 과의 역관계

# wide → long
melted = df.melt(id_vars='name', var_name='subject', value_name='score')

# long → wide (원래대로)
wide = melted.pivot(index='name', columns='subject', values='score')

stack 과 비교

# 비슷한 결과지만 구조가 다름
df.set_index('name').stack()
# MultiIndex Series (name, subject) → value

melt 는 결과를 컬럼화 한다 (subject, score 컬럼). stack 은 MultiIndex 화.

자주 만나는 패턴

1. 와이드 데이터를 long 으로 → 시계열 차트

df = pd.DataFrame({
    'date': ['2024-01', '2024-02'],
    'product_a': [100, 110],
    'product_b': [200, 220],
})
df.melt(id_vars='date', var_name='product', value_name='sales')

2. 설문 응답 데이터

# 컬럼이 question1, question2, ... 인 경우
survey.melt(id_vars=['respondent_id'], var_name='question', value_name='answer')

함정

1. value_vars 안 주면 모든 비-id 컬럼 melt

df.melt(id_vars='name')   # math, english, science 모두 melt

원치 않은 컬럼 (예: timestamp) 도 묶일 수 있다.

2. 결과 행 수 폭증

# 1000 행 × 10 melt 컬럼 = 10,000 행

큰 데이터에서 melt 후 분석은 메모리 주의.

3. var_name 의 default 가 ‘variable’

명시적으로 이름 주는 것이 가독성에 좋다.

참고

• Pandas pivot
• Pandas pivot_table
• Pandas stack-unstack