Bagaimanakah Saya Boleh Mengubah Lajur menjadi Baris Menggunakan Pandas melt()?

Tukar Lajur kepada Baris dengan Panda

Dalam analisis data, penstrukturan semula set data boleh berguna untuk meningkatkan kebolehbacaan dan analisis. Transformasi biasa melibatkan penukaran lajur kepada baris. Artikel ini membincangkan cara melaksanakan operasi ini menggunakan pustaka Pandas.

Pertimbangkan set data dengan maklumat lokasi dan tarikh khusus yang disimpan dalam pengepala lajur, seperti ditunjukkan di bawah:

| location | name | Jan-2010 | Feb-2010 | March-2010 |
|---|---|---|---|---|
| A        | "test" | 12 | 20 | 30 |
| B        | "foo"  | 18 | 20 | 25 |

Matlamatnya ialah untuk membentuk semula data ke dalam format yang setiap tarikh sepadan dengan baris, seperti berikut:

| location | name | Date | Value |
|---|---|---|---|
| A        | "test" | Jan-2010 | 12 |
| A        | "test" | Feb-2010 | 20 |
| A        | "test" | March-2010 | 30 |
| B        | "foo"  | Jan-2010 | 18 |
| B        | "foo"  | Feb-2010 | 20 |
| B        | "foo"  | March-2010 | 25 |

Untuk mencapai transformasi ini, Panda menyediakan fungsi cair. Hanya gunakan peleburan pada DataFrame, nyatakan lajur untuk disimpan sebagai pengecam baris (id_vars) dan pengepala lajur untuk lajur baharu (var_name dan value_name).

import pandas as pd

df.melt(id_vars=["location", "name"],
        var_name="Date",
        value_name="Value")

Untuk versi Pandas sebelum 0.20, sedikit pendekatan berbeza diperlukan, melibatkan gabungan leburan dan sort:

df2 = pd.melt(df,
                  id_vars=["location", "name"], 
                  var_name="Date",
                  value_name="Value")

df2 = df2.sort(["location", "name"])

Ingat untuk menetapkan semula indeks untuk memastikan output yang bersih:

df2.reset_index(drop=True)

Teknik ini menawarkan cara yang mudah untuk membentuk semula bingkai data, memudahkan analisis dan pembentangan data jadual.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengubah Lajur menjadi Baris Menggunakan Pandas melt()?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!