每日一题29：数据操作之数据重塑

一、每日一题

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| product_id  | int     |
| store1      | int     |
| store2      | int     |
| store3      | int     |
+-------------+---------+
在 SQL 中，这张表的主键是 product_id（产品Id）。
每行存储了这一产品在不同商店 store1, store2, store3 的价格。
如果这一产品在商店里没有出售，则值将为 null。

请你重构 Products 表，查询每个产品在不同商店的价格，使得输出的格式变为(product_id, store, price) 。如果这一产品在商店里没有出售，则不输出这一行。

输出结果表中的 顺序不作要求 。

查询输出格式请参考下面示例。

示例 1：

输入：
Products table:
+------------+--------+--------+--------+
| product_id | store1 | store2 | store3 |
+------------+--------+--------+--------+
| 0          | 95     | 100    | 105    |
| 1          | 70     | null   | 80     |
+------------+--------+--------+--------+
输出：
+------------+--------+-------+
| product_id | store  | price |
+------------+--------+-------+
| 0          | store1 | 95    |
| 0          | store2 | 100   |
| 0          | store3 | 105   |
| 1          | store1 | 70    |
| 1          | store3 | 80    |
+------------+--------+-------+
解释：
产品 0 在 store1、store2、store3 的价格分别为 95、100、105。
产品 1 在 store1、store3 的价格分别为 70、80。在 store2 无法买到。

解答：

# 该代码可直接运行
import pandas as pd# 创建示例 DataFrame
data = {'product_id': [0, 1],'store1': [95, 70],'store2': [100, None],'store3': [105, 80]}products_df = pd.DataFrame(data)# 使用melt函数将宽表格转换为长表格
melted_of = products_df.melt(id_vars='product_id', var_name='store', value_name='price')# 过滤掉price为null的行
result_df = melted_of.dropna(subset=['price'])# 重置索引以便更好地展示效果
result_df.reset_index(drop=True, inplace= True)# 打印结果 DataFrame
print(result_df)

题源：Leetcode