編寫一個 Python 程式,以多種方式重塑給定的資料框
我們可以使用 melt()、stack()、unstack() 和 pivot() 函式來重塑資料框。
方案 1
定義一個數據框。
應用 melt() 函式將寬資料框的列轉換為行。其定義如下:
df.melt()
示例
讓我們看看下面的程式碼以更好地理解:
import pandas as pd df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]}) print("Dataframe is:\n",df) print(df.melt())
輸出
Dataframe is: Id Age Mark 0 1 13 80 1 2 14 90 2 3 13 85 variable value 0 Id 1 1 Id 2 2 Id 3 3 Age 13 4 Age 14 5 Age 13 6 Mark 80 7 Mark 90 8 Mark 85
方案 2
定義一個數據框。
應用 stack() 函式來增加資料框中索引的級別。其定義如下:
df.stack().to_frame()
如果要恢復更改,可以使用 unstack()。
df.unstack().to_frame()
示例
讓我們看看下面的實現以更好地理解:
import pandas as pd df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]}) print("Dataframe is:\n",df) print(df.stack().to_frame()) print(df.unstack().to_frame())
輸出
Dataframe is: Id Age Mark 0 1 13 80 1 2 14 90 2 3 13 85 0 0 Id 1 Age 13 Mark 80 1 Id 2 Age 14 Mark 90 2 Id 3 Age 13 Mark 85 0 Id 0 1 1 2 2 3 Age 0 13 1 14 2 13 Mark 0 80 1 90 2 85
方案 3
定義一個數據框
應用 pivot() 函式根據 Id 列重塑資料框:
df.pivot(columns='Id')
示例
讓我們看看下面的實現以更好地理解:
import pandas as pd df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]}) print("Dataframe is:\n",df) print(df.pivot(columns='Id'))
輸出
Dataframe is: Id Age Mark 0 1 13 80 1 2 14 90 2 3 13 85 Age Mark Id 1 2 3 1 2 3 0 13.0 NaN NaN 80.0 NaN NaN 1 NaN 14.0 NaN NaN 90.0 NaN 2 NaN NaN 13.0 NaN NaN 85.0
廣告