Come sbloccare un pandas dataframe (con esempio)

Nei panda puoi utilizzare la funzione melt() per sbloccare un DataFrame, convertendolo da un formato ampio a un formato lungo .

Questa funzione utilizza la seguente sintassi di base:

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

Oro:

• id_vars : le colonne da utilizzare come identificatori
• value_vars : colonne da annullare

L’esempio seguente mostra come utilizzare questa sintassi nella pratica.

Esempio: sblocco di un Pandas DataFrame

Supponiamo di avere i seguenti panda DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E'],
                   ' points ': [18, 22, 19, 14, 14],
                   ' assists ': [5, 7, 7, 9, 12],
                   ' rebounds ': [11, 8, 10, 6, 6]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6

Possiamo usare la seguente sintassi per “sbloccare” il DataFrame:

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

#view updated DataFrame
print (df_unpivot)

   team variable value
0 A points 18
1 B points 22
2 C points 19
3 D dots 14
4 E points 14
5 A assists 5
6 B assists 7
7 C assists 7
8 D assists 9
9 E assists 12
10 A rebounds 11
11 B rebounds 8
12 C rebounds 10
13 D rebounds 6
14 E rebounds 6

Abbiamo utilizzato la colonna della squadra come colonna identificativa e abbiamo scelto di non ruotare le colonne dei punti, degli assist e dei rimbalzi .

Il risultato è un DataFrame di formato lungo.

Tieni presente che possiamo anche utilizzare gli argomenti var_name e value_name per specificare i nomi delle colonne nel DataFrame non ruotato:

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

#view updated DataFrame
print (df_unpivot)

   team metric amount
0 A points 18
1 B points 22
2 C points 19
3 D dots 14
4 E points 14
5 A assists 5
6 B assists 7
7 C assists 7
8 D assists 9
9 E assists 12
10 A rebounds 11
11 B rebounds 8
12 C rebounds 10
13 D rebounds 6
14 E rebounds 6

Tieni presente che le nuove colonne ora sono denominate Metric e Amount .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:

Come aggiungere righe a un DataFrame Pandas
Come aggiungere colonne a un DataFrame Pandas
Come contare le occorrenze di valori specifici in Pandas DataFrame