LeetCode-2890. 重塑数据：融合

2890. 重塑数据：融合

DataFrame report
+-------------+--------+
| Column Name | Type   |
+-------------+--------+
| product     | object |
| quarter_1   | int    |
| quarter_2   | int    |
| quarter_3   | int    |
| quarter_4   | int    |
+-------------+--------+
编写一个解决方案，将数据 重塑 成每一行表示特定季度产品销售数据的形式。

结果格式如下例所示：

示例 1：

输入：
+-------------+-----------+-----------+-----------+-----------+
| product     | quarter_1 | quarter_2 | quarter_3 | quarter_4 |
+-------------+-----------+-----------+-----------+-----------+
| Umbrella    | 417       | 224       | 379       | 611       |
| SleepingBag | 800       | 936       | 93        | 875       |
+-------------+-----------+-----------+-----------+-----------+
输出：
+-------------+-----------+-------+
| product     | quarter   | sales |
+-------------+-----------+-------+
| Umbrella    | quarter_1 | 417   |
| SleepingBag | quarter_1 | 800   |
| Umbrella    | quarter_2 | 224   |
| SleepingBag | quarter_2 | 936   |
| Umbrella    | quarter_3 | 379   |
| SleepingBag | quarter_3 | 93    |
| Umbrella    | quarter_4 | 611   |
| SleepingBag | quarter_4 | 875   |
+-------------+-----------+-------+
解释：
DataFrame 已从宽格式重塑为长格式。每一行表示一个季度内产品的销售情况。

import pandas as pd

def meltTable(report: pd.DataFrame) -> pd.DataFrame:
    return report.melt(
        id_vars=["product"],
        value_vars=["quarter_1", "quarter_2", "quarter_3", "quarter_4"],
        var_name="quarter",
        value_name="sales",
    )
# melt 是 Pandas 中用于数据重塑的方法之一，它允许您将宽格式（wide format）的 DataFrame 转换为长格式（long format）。
# 在数据分析和可视化中，经常需要将数据从宽格式转换为长格式，以便更好地进行分析和展示。下面是对 melt 方法的详细解释：
# DataFrame.melt(id_vars=None, value_vars=None, var_name='variable', value_name='value', col_level=None)
#   id_vars: 需要保留不被转换的列名，也就是标识符变量。
#   value_vars: 需要被转换为值的列名，如果未指定，则会使用除 id_vars 之外的所有列。
#   var_name: 用于存储 value_vars 列名的新列名，默认为 'variable'。
#   value_name: 用于存储 value_vars 对应值的新列名，默认为 'value'。
#   col_level: 如果 DataFrame 的列是 MultiIndex（多级索引），则可以指定需要堆叠的级别。