Bagaimanakah Pandas Meleleh dan Manipulasi Kamus Membentuk Semula Bingkai Data yang Luas menjadi Format yang Kemas?

Fungsi Pandas Melt: Membentuk Semula Bingkai Data dengan Mudah

Fungsi Pandas Melt ialah alat yang berkuasa untuk membentuk semula bingkai data, mengubah data yang luas kepada format yang panjang dan kemas. Ini menjadikan data lebih mudah untuk dianalisis dan dimanipulasi.

Masalah: Membentuk Semula Kerangka Data

Pertimbangkan kerangka data dan kamus berikut:

df = pd.DataFrame([[2, 4, 7, 8, 1, 3, 2013], [9, 2, 4, 5, 5, 6, 2014]], columns=['Amy', 'Bob', 'Carl', 'Chris', 'Ben', 'Other', 'Year'])

d = {'A': ['Amy'], 'B': ['Bob', 'Ben'], 'C': ['Carl', 'Chris']}

Matlamatnya adalah untuk membentuk semula bingkai data menjadi format yang kemas dengan lajur tambahan:

    Group   Name  Year  Value
0      A    Amy  2013      2
1      A    Amy  2014      9
2      B    Bob  2013      4
...
10  Other         2013      3
11  Other         2014      6

Menggunakan Melt and Reshaping Kamus

Fungsi cair sahaja tidak akan melengkapkan transformasi. Untuk mendapatkan hasil yang diingini, kita perlu memanipulasi kamus juga:

m = pd.melt(df, id_vars=['Year'], var_name='Name')

d2 = {}
for k, v in d.items():
    for item in v:
        d2[item] = k

m['Group'] = m['Name'].map(d2)

Mengendalikan Nilai 'Lain'

Akhir sekali, kita mengalihkan 'Lain' daripada lajur 'Nama' ke Lajur 'Kumpulan':

mask = m['Name'] == 'Other'
m.loc[mask, 'Name'] = ''
m.loc[mask, 'Group'] = 'Other'

Bingkai data yang terhasil kini sepadan dengan format yang diingini. Fungsi cair, digabungkan dengan beberapa manipulasi tambahan, menyediakan cara yang fleksibel dan cekap untuk membentuk semula bingkai data.

Atas ialah kandungan terperinci Bagaimanakah Pandas Meleleh dan Manipulasi Kamus Membentuk Semula Bingkai Data yang Luas menjadi Format yang Kemas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!