Pandas- dataframe ကို ကျယ်ပြန့်မှ ရှည်အောင် ဘယ်လိုပုံစံပြောင်းမလဲ။

ပန်ဒါ DataFrame ကို ကျယ်ပြန့်ဖော်မတ်မှ ရှည်လျားသောဖော်မတ်သို့ ပြောင်းရန် အောက်ပါအခြေခံ syntax ကို သင်သုံးနိုင်သည်။

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

ဤအခြေအနေတွင်၊ col1 သည် ကျွန်ုပ်တို့ identifier နှင့် col2 , col3 , etc. ကျွန်ုပ်တို့ပြန်ဖျက်သည့် ကော်လံများဖြစ်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas DataFrame ကို အနံမှ အရှည်သို့ ပြန်လည်ပုံဖော်ပါ။

ကျွန်ုပ်တို့တွင် အောက်ပါ ပန်ဒါ DataFrame ရှိသည် ဆိုပါစို့။

 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

ဤ DataFrame ကို ကျယ်ပြန့်ဖော်မတ်မှ အရှည်ဖော်မတ်သို့ ပြန်လည်ပုံဖော်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #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

ယခုအခါ DataFrame သည် ရှည်လျားသော format တစ်ခုဖြစ်သည်။

ကျွန်ုပ်တို့သည် “ အဖွဲ့” ကော်လံကို သက်သေခံကော်လံအဖြစ် အသုံးပြုခဲ့ပြီး “ အမှတ်များ” “ အကူအညီများ” နှင့် “ ပြန်ယူခြင်း” ကော်လံများကို ဆန့်ကျင်ဘက်ပြုခဲ့သည်။

ရှည်လျားသော DataFrame အသစ်ရှိ ကော်လံအမည်များကို သတ်မှတ်ရန် var_name နှင့် value_name အကြောင်းပြချက်များကိုလည်း အသုံးပြုနိုင်ကြောင်း သတိပြုပါ။

 #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

မှတ်ချက် – pandas melt() လုပ်ဆောင်ချက်၏ စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာတွေ့နိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ပါ သင်ခန်းစာများသည် Python တွင် အခြားသော ဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas DataFrame တွင် အတန်းများထည့်နည်း
Pandas DataFrame တွင် ကော်လံများထည့်နည်း
Pandas DataFrame တွင် တိကျသောတန်ဖိုးများ ဖြစ်ပေါ်မှုကို ရေတွက်နည်း