Resumo Método melt()

O método melt() é uma ferramenta bastante utilizada para a transformação de dados no Python. Ele faz parte da blibioteca Pandas e é responsável por transformar um DataFrame em um formato mais longo, reorganizando as colunas em linhas, tornando-os mais adequados para análise e visualização de dados. Esse comportamento é o que chamamosde transformação de um DataFrame de "Wide to long" (ampla para longa).

Em um conjunto de dados do tipo "wide", temos muitas colunas com diferentes tipos de informações. Já em um tipo de "long" temos menos colunas e mais linhas, com cada linha contendo várias parcelas de informação. Ao usar melt(), estamos transformando de colunas do nosso DataFrame em linhas para formar um conjunto de dados mais longo.

Para entender esse comportamento, vamos testar em um exemplo. Recebemos o DataFrame abaixo para construir um gráfico de colunas que representa, ano a ano, as vendas de 3 produtos de um mercado. Os dados estão expressos em toneladas.

import pandas as pd

# Criando um dataframe
vendas_ton = pd.DataFrame({'Produto': ['Arroz', 'Feijão', 'Açúcar'],
                            '2020': [90, 85, 88],
                            '2021': [92, 94, 89],
                            '2022': [84, 88, 92],
                            '2023': [100, 98, 87]})
vendas_ton

Saída:

	Produto	2020	2021	2022	2023
0	Arroz	90	92	84	100
1	Feijão	85	94	88	98
2	Açúcar	88	89	92	87

Podemos perceber que temos um DataFrame com cada ano como uma coluna, configurando-o como do tipo "wide". É possível trabalhar com ele dessa forma, mas podemos, por exemplo, trazer os dados dos anos para uma única colunas e seus valores correspondentes em outra colunas se quisermos transformar o nosso conjungto de dados para um formato longo.

Então, podemos utilizar o método melt() no nosso DataFrame da seguinte forma:

vendas_ton_melt = vendas_ton.melt(id_vars='Produto', var_name='Ano', value_name='Toneladas')
vendas_ton_melt

Saída:

	Produto	Ano	Toneladas
0	Arroz	2020	90
1	Feijão	2020	85
2	Açúcar	2020	88
3	Arroz	2021	92
4	Feijão	2021	94
5	Açúcar	2021	89
6	Arroz	2022	84
7	Feijão	2022	88
8	Açúcar	2022	92
9	Arroz	2023	100
10	Feijão	2023	98
11	Açúcar	2023	87

Agora, temos o nosso DataFrame devidamente convertido para um tipo "long" e podemos prosseguir para a criação do gráfico requisitado.

Fonte: ALURA