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

更新於: 2021年2月25日

392 次瀏覽

啟動你的 職業生涯

透過完成課程獲得認證

開始
廣告