Aby sme uľahčili analýzu údajov v tabuľke, môžeme pomocou Pandas v Pythone pretvoriť údaje do počítačovo vhodnejšej formy. Pandas.melt() je jednou z funkcií, ktoré to umožňujú. Pandas.melt() odoberá dátový rámec zo širokého formátu na dlhý formát.
uložiť video z youtube vlc
Pandy sa topia () Funkcia je užitočná na vmasírovanie dátového rámca do formátu, v ktorom jeden alebo viac stĺpcov sú premenné identifikátora, zatiaľ čo všetky ostatné stĺpce, považované za merané premenné, nie sú otočené na os riadkov, ponechávajúc len dva stĺpce bez identifikátora, premennú a hodnotu.
Syntax funkcie Python Pandas.melt().
Syntax: pandas.melt(snímka, id_vars=Žiadne, value_vars=Žiadne,
var_name=None, value_name=’value’, col_level=None)
Parametre:
- rám: DataFrame
- id_vars[n-tice, zoznam alebo ndarray, voliteľné] : Stĺpce, ktoré sa majú použiť ako premenné identifikátora.
- value_vars[n-tice, zoznam alebo ndarray, voliteľné]: Stĺpce na odklopenie. Ak nie je zadaný, použije všetky stĺpce, ktoré nie sú nastavené ako id_vars.
- var_name[skalar]: Názov, ktorý sa má použiť pre stĺpec „premenná“. Ak Žiadne, použije sa názov frame.columns.name alebo „premenná“.
- názov_hodnoty[skalár, predvolená ‚hodnota‘]: Názov, ktorý sa má použiť pre stĺpec „hodnota“.
- col_level[int alebo reťazec, voliteľné]: Ak sú stĺpce MultiIndex, použite túto úroveň na roztavenie.
Vytvorenie vzorového dátového rámca
Tu sme vytvorili vzorový DataFrame, ktorý použijeme v tomto článku.
Python3
# importing pandas as pd> import> pandas as pd> # creating a dataframe> df>=> pd.DataFrame({>'Name'>: {>0>:>'John'>,>1>:>'Bob'>,>2>:>'Shiela'>},> >'Course'>: {>0>:>'Masters'>,>1>:>'Graduate'>,>2>:>'Graduate'>},> >'Age'>: {>0>:>27>,>1>:>23>,>2>:>21>}})> df> |
>
>
roztaviť () urobiť v Pandas Príklad
Nižšie je uvedený príklad toho, ako môžeme použiť funkciu Pandas melt() rôznymi spôsobmi pandy :
Príklad 1: Pandy topia () Príklad
V tomto príkladepd.melt>funkcia sa používa na odklopenie stĺpca „Kurz“, pričom sa ako premenná identifikátora ponecháva „Názov“. Výsledný DataFrame má tri stĺpce: „Názov“, „premenná“ (obsahuje názov stĺpca „Kurz“) a „hodnota“ (obsahuje zodpovedajúce hodnoty zo stĺpca „Kurz“).
Python3
# Name is id_vars and Course is value_vars> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>])> |
>
>
Výkon:
Name variable value 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate>
Príklad 2: Použitie id_vars a value_vars na melt() Pandas DataFrame
V tomto príkladepd.melt>funkcia sa používa na odklopenie stĺpcov „Kurz“ a „Vek“ pri použití „Názov“ ako premennej identifikátora.
Python3
java triedenie zoznamu
# multiple unpivot columns> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>,>'Age'>])> |
>
>
Výkon:
Name variable value 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate 3 John Age 27 4 Bob Age 23 5 Shiela Age 21>
Príklad 3: Použitie var_name a value_name na melt() Pandas DataFrame
V tomto príkladepd.melt>funkcia sa používa s prispôsobenými názvami stĺpcov. Stĺpec „Kurz“ sa neotočí, pričom sa ako identifikátor zachová „Názov“. Výsledný DataFrame má stĺpce ‚Name‘, ‚ChangedVarname‘ (pre názov roztaveného stĺpca nastavený na ‚Course‘) a ‚ChangedValname‘ (obsahuje zodpovedajúce hodnoty zo stĺpca ‚Course‘).
Python3
# Names of ‘variable’ and ‘value’ columns can be customized> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>],> >var_name>=>'ChangedVarname'>, value_name>=>'ChangedValname'>)> |
>
>
Výkon:
Name ChangedVarname ChangedValname 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate>
Príklad 4: Použitie ignore_index s funkciou Pandas.melt().
V tomto príkladepd.melt>Funkcia sa použije na odklopenie stĺpcov „Kurz“ a „Vek“ pri použití „Názov“ ako premennej identifikátora. Pôvodný index je ignorovaný z dôvoduignore_index=True>parameter.
Python3
čo je špeciálny znak
# multiple unpivot columns with ignore_index> result>=> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>,>'Age'>], ignore_index>=>True>)> print>(result)> |
>
>
Výkon:
Name variable value 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate 3 John Age 27 4 Bob Age 23 5 Shiela Age 21>