Za lažjo analizo podatkov v tabeli lahko s programom Pandas v Pythonu podatke preoblikujemo v računalniku prijaznejšo obliko. Pandas.melt() je ena od funkcij za to.. Pandas.melt() preklopi DataFrame iz širokega formata v dolgi format.
parameter v lupinskem skriptu
Pande melt () Funkcija je uporabna za masažo DataFrame v obliko, kjer je eden ali več stolpcev identifikatorskih spremenljivk, medtem ko so vsi drugi stolpci, ki veljajo za izmerjene spremenljivke, nezasukani na os vrstice, tako da ostaneta samo dva stolpca brez identifikatorja, spremenljivka in vrednost.
Sintaksa funkcije Python Pandas.melt().
Sintaksa: pandas.melt(frame, id_vars=Brez, value_vars=Brez,
var_name=Brez, value_name='vrednost', col_level=Brez)
Parametri:
- okvir : DataFrame
- id_vars[tuple, seznam ali ndarray, neobvezno] : Stolpci za uporabo kot spremenljivke identifikatorja.
- value_vars[torka, seznam ali ndarray, neobvezno]: Stolpci, ki jih želite preklicati. Če ni podano, uporablja vse stolpce, ki niso nastavljeni kot id_vars.
- var_name[skalar]: Ime za stolpec »spremenljivka«. Če None, uporablja frame.columns.name ali 'spremenljivko'.
- ime_vrednosti [skalar, privzeta 'vrednost']: Ime za stolpec »vrednost«.
- col_level[int ali niz, neobvezno]: Če so stolpci MultiIndex, uporabite to raven za taljenje.
Ustvarjanje vzorčnega podatkovnega okvira
Tukaj smo ustvarili vzorec DataFrame, ki ga bomo uporabili v tem članku.
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> |
>
>
melt () do v Pandas Primer
Spodaj je primer, kako lahko na različne načine uporabimo funkcijo Pandas melt(). Pande :
Primer 1: Pandas melt() Primer
V tem primeru jepd.melt>funkcija se uporablja za razveljavitev vrtenja stolpca »Tečaj«, medtem ko ohrani »Ime« kot spremenljivko identifikatorja. Nastali DataFrame ima tri stolpce: »Ime«, »spremenljivka« (ki vsebuje ime stolpca »Tečaj«) in »vrednost« (vsebuje ustrezne vrednosti iz stolpca »Tečaj«).
Python3
# Name is id_vars and Course is value_vars> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>])> |
>
>
Izhod:
Name variable value 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate>
Primer 2: Uporaba id_vars in value_vars za melt() Pandas DataFrame
V tem primeru jepd.melt>funkcija se uporablja za odmik stolpcev »Tečaj« in »Starost«, medtem ko se kot spremenljivka identifikatorja uporablja »Ime«.
Python3
# multiple unpivot columns> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>,>'Age'>])> |
>
kako poklicati metodo v Javi
>
Izhod:
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>
Primer 3: Uporaba var_name in value_name za melt() Pandas DataFrame
V tem primeru jepd.melt>funkcija se uporablja s prilagojenimi imeni stolpcev. Stolpec »Tečaj« ni zasukan, medtem ko je ohranjen »Ime« kot identifikator. Nastali DataFrame ima stolpce »Name«, »ChangedVarname« (za ime stopljenega stolpca, nastavljeno na »Course«) in »ChangedValname« (ki vsebuje ustrezne vrednosti iz stolpca »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'>)> |
linux uredite datoteko
>
>
Izhod:
Name ChangedVarname ChangedValname 0 John Course Masters 1 Bob Course Graduate 2 Shiela Course Graduate>
Primer 4: Uporaba ignore_index s funkcijo Pandas.melt().
V tem primeru jepd.melt>funkcija se uporablja za razveljavitev vrtenja stolpcev »Tečaj« in »Starost«, medtem ko kot spremenljivko identifikatorja uporabljate »Ime«. Izvirni indeks je prezrt zaradiignore_index=True>parameter.
Python3
# multiple unpivot columns with ignore_index> result>=> pd.melt(df, id_vars>=>[>'Name'>], value_vars>=>[>'Course'>,>'Age'>], ignore_index>=>True>)> print>(result)> |
>
>
Izhod:
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>