Pandas处理宽格式社交媒体数据：转长格式及频率占比可视化

1. 数据宽转长处理 #

你的数据属于成对组列结构，用pd.wide_to_long比多次melt更高效，能直接把SNS使用标记和对应频率列配对，避免手动合并的麻烦。

假设你的DataFrame名为df，列名是Id, SNS1, SNS2, SNS3, SNS4, SNS5, Freq1, Freq2, Freq3, Freq4, Freq5，执行以下代码：

import pandas as pd

# 一步转长格式，自动配对SNS和Freq列
long_df = pd.wide_to_long(df,
                          stubnames=['SNS', 'Freq'],  # 两组列的前缀
                          i='Id',  # 用户唯一标识列
                          j='sns_index',  # 生成的新列，标记SNS序号
                          sep='')  # 列名前缀和数字无分隔符，设为空

# 重置索引，把序号转为普通列
long_df = long_df.reset_index()

# 过滤掉未使用该SNS的行（仅保留SNS值为1的记录）
long_df = long_df[long_df['SNS'] == 1].drop(columns=['SNS'])

# 给序号替换成易读的社交媒体名称（根据你的实际情况修改映射关系）
long_df['sns_name'] = long_df['sns_index'].map({
    1: '微信', 2: '微博', 3: '抖音', 4: '小红书', 5: 'B站'
})

如果坚持要用melt，可以分两次转换再合并：

# 转换SNS使用标记列
sns_melt = df.melt(
    id_vars=['Id'],
    value_vars=['SNS1','SNS2','SNS3','SNS4','SNS5'],
    var_name='sns_col',
    value_name='is_used'
)

# 转换频率列
freq_melt = df.melt(
    id_vars=['Id'],
    value_vars=['Freq1','Freq2','Freq3','Freq4','Freq5'],
    var_name='freq_col',
    value_name='frequency'
)

# 提取列名中的数字，用来配对SNS和Freq
sns_melt['sns_index'] = sns_melt['sns_col'].str.extract('(\d+)').astype(int)
freq_melt['sns_index'] = freq_melt['freq_col'].str.extract('(\d+)').astype(int)

# 合并两张表，过滤未使用的记录
long_df = pd.merge(sns_melt, freq_melt, on=['Id', 'sns_index'])
long_df = long_df[long_df['is_used'] == 1].drop(columns=['sns_col', 'freq_col', 'is_used'])

# 替换为易读名称
long_df['sns_name'] = long_df['sns_index'].map({
    1: '微信', 2: '微博', 3: '抖音', 4: '小红书', 5: 'B站'
})

转换后long_df为标准长格式：每行对应一个用户的一个已使用社交媒体及其频率，列包含Id, sns_index, frequency, sns_name。

2. 绘制使用频率占比图表 #

用seaborn和matplotlib实现两种常见的占比可视化：

堆叠条形图（展示单个社交媒体内的频率分布） #

import seaborn as sns
import matplotlib.pyplot as plt

# 统计各社交媒体的频率计数，计算占比
freq_stats = long_df.groupby(['sns_name', 'frequency']).size().unstack(fill_value=0)
freq_pct = freq_stats.div(freq_stats.sum(axis=1), axis=0) * 100

# 绘制堆叠图
freq_pct.plot(kind='bar', stacked=True, figsize=(10,6))
plt.title('各社交媒体使用频率占比')
plt.xlabel('社交媒体')
plt.ylabel('占比 (%)')
plt.legend(title='使用频率')
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()

分组条形图（对比不同社交媒体的同频率占比） #

# 转换数据格式适配seaborn
freq_pct_melt = freq_pct.reset_index().melt(
    id_vars='sns_name',
    var_name='frequency',
    value_name='percentage'
)

# 绘制分组条形图
sns.barplot(data=freq_pct_melt, x='sns_name', y='percentage', hue='frequency')
plt.title('各社交媒体使用频率占比')
plt.xlabel('社交媒体')
plt.ylabel('占比 (%)')
plt.legend(title='使用频率')
plt.tight_layout()
plt.show()

关键注意事项 #

• 如果frequency列的N/A是无效值，可提前过滤：long_df = long_df[long_df['frequency'] != 'N/A']
• 务必替换sns_name的映射关系为实际社交媒体名称，提升图表可读性
• 若数据量较大，统计时要确保分组逻辑正确，避免重复或遗漏用户记录

内容的提问来源于stack exchange，提问作者Ali Abdullah