Passer d’un format large à un format long avec melt()

La méthode melt() permet de transformer un DataFrame d’un format large (wide) en un format long (long format). Elle est souvent utilisée pour « déplier » un DataFrame en plusieurs lignes, où chaque observation est associée à une colonne spécifique de manière plus lisible ou mieux adaptée à certaines analyses.

Fonctions :

  • df.melt(id_vars=['col1'], value_vars=['col2', 'col3'])

    La méthode melt() permet de transformer un DataFrame depuis un format large (wide) en un format long (tidy). C'est l'opposé de pivot() : on réduit le nombre de colonnes en empilant leurs valeurs, tout en conservant les colonnes identifiantes. ➡️ Très utile pour : Préparer des données pour certains types d'analyses ou visualisations (ex : seaborn attend souvent un format long). Dénormaliser des données avant des transformations supplémentaires.

    Importation :

    import pandas as pd

    Attributs :

    Paramètre Description
    id_vars Les colonnes identifiantes à conserver (restent inchangées).
    value_vars Les colonnes à déplier en une seule colonne (fusionnées en deux nouvelles colonnes : variable et value).
    var_name (optionnel) Nom de la colonne résultante contenant les noms des colonnes originales (par défaut : 'variable').
    value_name (optionnel) Nom de la colonne résultante contenant les valeurs (par défaut : 'value').

    Exemple de code :

    import pandas as pd

# Exemple de DataFrame large
df = pd.DataFrame({
    'Date': ['2024-01-01', '2024-01-02'],
    'Produit_A': [100, 120],
    'Produit_B': [150, 130]
})

# Transformation en format long
long_df = df.melt(id_vars=['Date'], value_vars=['Produit_A', 'Produit_B'], 
                  var_name='Produit', value_name='Vente')

print(long_df)

    Explication du code :

    

    On applique melt() :
    


      
 	
    • 

        
 	
      • id_vars=['Date'] ➡️ La colonne Date reste fixe.
        • 
 	
      • value_vars=['Produit_A', 'Produit_B'] ➡️ Les colonnes Produit_A et Produit_B sont fondues en 2 colonnes :

          
 	
        • Produit ➡️ Noms des colonnes d'origine (Produit_A, Produit_B).
          • 
 	
        • Vente ➡️ Valeurs associées.
          • 

        

        • 

      

      • 

    

    🔹 Remarques pratiques
    

      
 	
    • 

      Melt est indispensable pour restructurer les données avant :
      


        
 	
      • Des graphes avec seaborn, plotly, etc.
        • 
 	
      • Des groupby ou des aggregations par catégories.
        • 

      

      • 
 	
    • 

      Tu peux renommer les colonnes résultantes avec var_name et value_name pour plus de clarté.
      

      • 
 	
    • Si tu ne spécifies pas value_vars, melt() prendra toutes les colonnes sauf id_vars.
      •