如何融化和取消融化 Pandas DataFrame 以進行資料操作？

如何融化 Pandas DataFrame？

問題陳述：

融化 Pandas DataFrame 涉及將資料從寬格式轉換為長格式。當出於分析、視覺化或其他目的操作資料時，這非常有用。讓我們透過範例問題及其對應的解決方案深入研究各種熔化場景：

問題 1：轉換為長格式

問題：如何熔化 DataFrame以便以下格式是

    Name  Age  Subject Grade
0    Bob   13  English     C
1   John   16  English     B
2    Foo   16  English     B
3    Bar   15  English    A+
4   Alex   17  English     F
5    Tom   12  English     A
6    Bob   13     Math    A+
7   John   16     Math     B
8    Foo   16     Math     A
9    Bar   15     Math     F
10  Alex   17     Math     D
11   Tom   12     Math     C

解：

要融化 DataFrame，請使用 df.melt()。指定id_vars（保留原始形式的列）以及新列名稱的var_name 和value_name：

pd.melt(df, id_vars=['Name', 'Age'], var_name='Subject', value_name='Grade')

問題2：在熔化期間過濾列

問題：如何融合問題1 中的DataFrame 並過濾掉「英文」欄位？

解：

在 df.melt() 中使用 value_vars 來指定要熔化的欄位。在本例中，僅選擇['Math']：

pd.melt(df, id_vars=['Name', 'Age'], value_vars='Math', var_name='Subject', value_name='Grade')

問題3：將熔化的資料進行排序和分組

問題：如何將熔化的資料進行排序問題1 中的資料依分數排列，並對學生進行分組名字？

解決方案：

在融化的DataFrame 上使用.groupby() 和.agg() 按'Grade' 分組，並將名稱和主題連接成逗號- 分隔字串：

melted_df.groupby('Grade', as_index=False).agg(", ".join)

問題4：解熔已熔解DataFrame

問題：如何解開已熔化的 DataFrame？

解決方案：

使用 DataFrame.pivot_table () 解凍 DataFrame。指定值、索引和列。

melted_df.pivot_table('Grades', ['Name', 'Age'], 'Subject', aggfunc='first').reset_index().droplevel(level=0, axis=1)

問題 5：按名稱分組和分隔列

問題： 如何按名稱和分隔列對 DataFrame 進行分組將科目和成績分開逗號？

解決方案：

融化 DataFrame 並使用 .groupby() 和 .agg() 連接科目和成績：

pd.melt(df, id_vars=['Name'], var_name='Subject', value_name='Grade').groupby('Name', as_index=False).agg(", ".join)

問題6：將所有欄位熔化為值

問題：如何融合 DataFrame 中的所有欄位？

解：

使用df.stack( ).reset_index() 轉置DataFrame：

pd.melt(df, id_vars=None, var_name='Column', value_name='Value')

這些解顯示了熔化和未熔化pandas DataFrame 的多功能性，可以出於各種目的操作資料。

以上是如何融化和取消融化 Pandas DataFrame 以進行資料操作？的詳細內容。更多資訊請關注PHP中文網其他相關文章！