Wie schmelze und entschmelze ich Pandas-DataFrames zur Datenmanipulation?

Wie schmelze ich einen Pandas DataFrame?

Problemstellung:

Beim Schmelzen eines Pandas DataFrame werden Daten von einem Breitformat in ein Langformat transponiert . Dies ist nützlich, wenn Sie Daten für Analyse-, Visualisierungs- oder andere Zwecke bearbeiten. Lassen Sie uns verschiedene Schmelzszenarien mit Beispielproblemen und den entsprechenden Lösungen untersuchen:

Problem 1: Transponieren ins Langformat

Frage: Wie schmelze ich einen DataFrame, damit der Das folgende Format ist erreicht?

    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

Lösung:

Um den DataFrame zu schmelzen, verwenden Sie df.melt(). Geben Sie die id_vars (Spalten, die in der ursprünglichen Form bleiben sollen) sowie var_name und value_name für die neuen Spaltennamen an:

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

Problem 2: Filtern von Spalten während des Schmelzens

Frage: Wie schmelze ich den DataFrame aus Problem 1 und filtere das „Englisch“ heraus? Spalte?

Lösung:

Verwenden Sie value_vars in df.melt(), um anzugeben, welche Spalten geschmolzen werden sollen. In diesem Fall ist nur ['Math'] ausgewählt:

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

Aufgabe 3: Geschmolzene Daten ordnen und gruppieren

Frage: Wie sortiere ich die geschmolzenen Daten? Ordnen Sie die Daten aus Aufgabe 1 der Punktzahl zu und gruppieren Sie die Schüler danach Name?

Lösung:

Verwenden Sie .groupby() und .agg() auf dem geschmolzenen DataFrame, um nach „Grade“ zu gruppieren und die Namen und Themen durch Kommas zu verketten -getrennte Zeichenfolgen:

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

Problem 4: Entschmelzen eines Geschmolzenen DataFrame

Frage:Wie löse ich einen DataFrame auf, der geschmolzen wurde?

Lösung:

Verwenden Sie DataFrame.pivot_table (), um den DataFrame aufzulösen. Geben Sie die Werte, den Index und die Spalten an.

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

Problem 5: Gruppieren nach Namen und Trennen von Spalten

Frage: Wie gruppiere ich den DataFrame nach Namen und Trennen Sie die Fächer und Noten nach Komma?

Lösung:

Den DataFrame zusammenschmelzen und .groupby() und .agg() verwenden, um die Fächer und Noten zu verketten:

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

Problem 6: Alle Spalten schmelzen als Werte

Frage:Wie schmelze ich alle Spalten in einem DataFrame?

Lösung:

Verwenden Sie df.stack( ).reset_index() zum Transponieren des DataFrame:

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

Diese Lösungen demonstrieren das Vielseitigkeit von schmelzenden und nicht schmelzenden Pandas-DataFrames zur Manipulation von Daten für verschiedene Zwecke.

Das obige ist der detaillierte Inhalt vonWie schmelze und entschmelze ich Pandas-DataFrames zur Datenmanipulation?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!