当多个变量被存储为列名时进行清理

# 读取weightlifting数据集
weightlifting = pd.read_csv('data/weightlifting_men.csv')
weightlifting

	Weight Category	M35 35-39	M40 40-44	M45 45-49	M50 50-54	M55 55-59	M60 60-64	M65 65-69	M70 70-74	M75 75-79	M80 80+
0	56	137	130	125	115	102	92	80	67	62	55
1	62	152	145	137	127	112	102	90	75	67	57
2	69	167	160	150	140	125	112	97	82	75	60
3	77	182	172	165	150	135	122	107	90	82	65
4	85	192	182	175	160	142	130	112	95	87	70
5	94	202	192	182	167	150	137	120	100	90	75
6	105	210	200	190	175	157	142	122	102	95	80
7	105+	217	207	197	182	165	150	127	107	100	85

pandas.melt 使用参数：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
参数解释：

frame:要处理的数据集。

id_vars:不需要被转换的列名。

value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。

var_name和value_name是自定义设置对应的列名。

col_level :如果列是MultiIndex，则使用此级别。

# 用melt方法，将sex_age放入一个单独的列
wl_melt = weightlifting.melt(id_vars='Weight Category', 
                                     var_name='sex_age', 
                                     value_name='Qual Total')
wl_melt.head()

	Weight Category	sex_age	Qual Total
0	56	M35 35-39	137
1	62	M35 35-39	152
2	69	M35 35-39	167
3	77	M35 35-39	182
4	85	M35 35-39	192

# 用split方法将sex_age列分为两列;
#expand表示是否把series类型转化为DataFrame类型
sex_age = wl_melt['sex_age'].str.split(expand=True)
sex_age.head()

	0	1
0	M35	35-39
1	M35	35-39
2	M35	35-39
3	M35	35-39
4	M35	35-39

# 给列起名
sex_age.columns = ['Sex', 'Age Group']
sex_age.head()

	Sex	Age Group
0	M35	35-39
1	M35	35-39
2	M35	35-39
3	M35	35-39
4	M35	35-39

# 只取出字符串中的M
sex_age['Sex'] = sex_age['Sex'].str[0]
sex_age.head()

	Sex	Age Group
0	M	35-39
1	M	35-39
2	M	35-39
3	M	35-39
4	M	35-39

# 用concat方法，将sex_age,与wl_cat_total连接起来
wl_cat_total = wl_melt[['Weight Category', 'Qual Total']]
wl_tidy = pd.concat([sex_age, wl_cat_total], axis='columns')
wl_tidy.head()

	Sex	Age Group	Weight Category	Qual Total
0	M	35-39	56	137
1	M	35-39	62	152
2	M	35-39	69	167
3	M	35-39	77	182
4	M	35-39	85	192

# 上面的结果也可以如下实现
cols = ['Weight Category', 'Qual Total']
sex_age[cols] = wl_melt[cols]