目前的数据集是每一行sales对应一条时间序列，这样一些外部变量，例如价格，节假日，甚至未来可能遇到的促销、人流量数据是无法直接加在上面的，所以我们需要将这种wide的宽表，变成长表，

每一行代表的是某一家店某一个商品某一天的具体信息，包括销量，价格，节假日，促销等等。

下面是一个pandas melt函数convert wide to long的例子

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。

例子：

>>>d = {'col1': ['a','a','a','b','b'], 
        'col2': [2,2,2,2,2],
        'col3':['c','c','c','d','d']}
>>>df = pd.DataFrame(data=d)
>>>df

1、设置 id_vars=[‘col2’] ，则不需要转换的列是 col2 。所以 col1 跟 col3 合并成了一列。

>>>pd.melt(df, id_vars=['col2'])

2、设置 id_vars = [‘col2’], value_vars = [‘col1’] ， 则不需要转换的列是 col2 。需要转换的是 col1 列 ，拿 col3 就不受影响，不展示了。

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

3、对修改后的列设置新列名。

pd.melt(df, id_vars=['col2'], value_vars=['col1'], var_name='hi', value_name='hello')

参考链接
[1] Pandas 的melt的使用 2018.4
[2] pandas行转列，列转行操作 2020.4