Pandas: cara membentuk ulang dataframe dari lebar ke panjang

Anda dapat menggunakan sintaks dasar berikut untuk mengonversi pandas DataFrame dari format lebar ke format panjang:

 df = pd. melt (df, id_vars=' col1 ', value_vars=[' col2 ', ' col3 ', ...])

Dalam skenario ini, col1 adalah kolom yang kita gunakan sebagai pengidentifikasi dan col2 , col3 , dll. adalah kolom yang porosnya kita batalkan.

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.

Contoh: Bentuk ulang Pandas DataFrame dari lebar menjadi panjang

Misalkan kita memiliki panda DataFrame berikut:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D'],
                   ' points ': [88, 91, 99, 94],
                   ' assists ': [12, 17, 24, 28],
                   ' rebounds ': [22, 28, 30, 31]})

#view DataFrame
df

	team points assists rebounds
0 A 88 12 22
1 B 91 17 28
2 C 99 24 30
3 D 94 28 31

Kita dapat menggunakan sintaks berikut untuk membentuk ulang DataFrame ini dari format lebar ke format panjang:

 #reshape DataFrame from wide format to long format
df = pd. melt (df, id_vars=' team ', value_vars=[' points ', ' assists ', ' rebounds '])

#view updated DataFrame
df

	team variable value
0 A points 88
1 B points 91
2 C dots 9 9
3 D dots 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31

DataFrame sekarang dalam format panjang.

Kami menggunakan kolom “tim” sebagai kolom identifikasi dan menghapus kolom “poin”, “bantuan”, dan “pantulan”.

Perhatikan bahwa kita juga dapat menggunakan argumen var_name dan value_name untuk menentukan nama kolom di DataFrame panjang yang baru:

 #reshape DataFrame from wide format to long format
df = pd. melt (df, id_vars=' team ', value_vars=[' points ', ' assists ', ' rebounds '],
             var_name=' metric ', value_name=' amount ')

#view updated DataFrame
df

	team metric amount
0 A points 88
1 B points 91
2 C points 99
3 D dots 94
4 A assists 12
5 B assists 17
6 C assists 24
7 D assists 28
8 A rebounds 22
9 B rebounds 28
10 C rebounds 30
11 D rebounds 31

Catatan : Anda dapat menemukan dokumentasi lengkap fungsi pandasmelt() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:

Bagaimana cara menambahkan baris ke Pandas DataFrame
Bagaimana cara menambahkan kolom ke Pandas DataFrame
Cara menghitung kemunculan nilai tertentu di Pandas DataFrame