Wie kann ich Pandas-DataFrames effizient schmelzen und entschmelzen?

Einen Pandas-Datenrahmen schmelzen

Einführung

In Pandas umfasst das Schmelzen von Datenrahmen das Transponieren von Daten von einem Breitformat in ein Langformat Format, wodurch es für verschiedene Datenbearbeitungsaufgaben nützlich ist. Dieser Artikel führt Sie durch den Prozess des Verschmelzens von Datenrahmen und untersucht verschiedene Szenarien anhand von Beispielen aus der Praxis.

Problem 1: Transponieren von Spaltendaten

Ziel: Transponieren Sie Spalten in Zeilen und wiederholen Sie dabei die ursprüngliche Spalte Namen.

Lösung:

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

Dieser Code erstellt einen neuen Datenrahmen mit den Spalten „Betreff“ und „Noten“, während die ursprünglichen Spaltennamen wiederholt werden für jeden Zeile.

Beispiel:

df = pd.DataFrame({'Name': ['Bob', 'John', 'Foo', 'Bar', 'Alex', 'Tom'],
                   'Math': ['A+', 'B', 'A', 'F', 'D', 'C'],
                   'English': ['C', 'B', 'B', 'A+', 'F', 'A'],
                   'Age': [13, 16, 16, 15, 15, 13]})

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

print(melted_df)

Ausgabe:

   Name  Age Subject Grades
0   Bob   13  English     C
1  John   16  English     B
...
11  Tom   13     Math     C

Problem 2: Spalten filtern

Ziel: Schmelzspezifisch Spalten, ausgenommen andere.

Lösung:

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

In diesem Beispiel wird nur die Spalte „Mathe“ zusammengeführt, während „Alter“ und „Name“ beibehalten werden als Bezeichner.

Beispiel:

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

print(melted_df)

Ausgabe:

   Name  Age Subject Grades
0   Bob   13    Math    A+
1  John   16    Math     B
...

Problem 3: Gruppierung und Bestellung geschmolzen Daten

Ziel: Die geschmolzenen Daten gruppieren und nach Werten sortieren.

Lösung:

melted_df.groupby('value', as_index=False).agg({
    'Subject': ', '.join,
    'Grades': ', '.join
}).sort_values('value', ascending=True)

Dieser Code gruppiert die geschmolzenen Daten nach Punktzahl und verknüpft die Werte „Betreff“ und „Noten“ mit Kommas.

Beispiel:

grouped_df = melted_df.groupby('value', as_index=False).agg({
    'Subject': ', '.join,
    'Grades': ', '.join
}).sort_values('value', ascending=True)

print(grouped_df)

Ausgabe:

  value             Name                Subjects
0     A         Foo, Tom           Math, English
1    A+         Bob, Bar           Math, English
2     B  John, John, Foo  Math, English, English
...

Problem 4: Unschmelzende Datenrahmen

Ziel: Kehren Sie den Schmelzvorgang um und kehren Sie zum ursprünglichen Format zurück.

Lösung:

melted_df.pivot_table("Grades", ['Name', 'Age'], 'Subject', aggfunc='first').reset_index()

Dieser Code dreht den geschmolzenen Datenrahmen zurück auf die ursprüngliche Breite Format.

Beispiel:

unmelted_df = melted_df.pivot_table("Grades", ['Name', 'Age'], 'Subject', aggfunc='first').reset_index()

print(unmelted_df)

Ausgabe:

   Name  Age Math English
0   Alex   15    D       F
1   Bar   15    F      A+
2   Bob   13   A+       C
3   Foo   16    A       B
...

Problem 5: Gruppieren und Spalten kombinieren

Ziel: Gruppieren Sie Daten nach einer bestimmten Spalte und kombinieren Sie andere Spalten mit Kommas.

Lösung:

melted_df.groupby('Name', as_index=False).agg(
    Subjects=', '.join,
    Grades=', '.join
)

Dieser Code gruppiert die Daten nach „Name“ und kombiniert „Betreff“. ' und 'Noten' mit Kommas.

Beispiel:

grouped_df = melted_df.groupby('Name', as_index=False).agg(
    Subjects=', '.join,
    Grades=', '.join
)

print(grouped_df)

Ausgabe:

   Name        Subjects Grades
0  Alex  Math, English   D, F
1   Bar  Math, English  F, A+
2   Bob  Math, English  A+, C
...

Problem 6: Alles schmelzen Spalten

Ziel: Konvertieren alle Spalten in Zeilen, einschließlich Bezeichnern.

Lösung:

df.melt(var_name='Column', value_name='Value')

Dieser Code verschmilzt alle Spalten in Zeilen und behandelt alle Daten als Werte.

Beispiel:

melted_df = df.melt(var_name='Column', value_name='Value')

print(melted_df)

Ausgabe:

    Column Value
0       Age    16
1       Age    16
2       Age    15
...
11  English     C
12     Math     A
13     Math    A+

Das obige ist der detaillierte Inhalt vonWie kann ich Pandas-DataFrames effizient schmelzen und entschmelzen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!