<\/p>\n
In panda’s kunt u de functie melt()<\/a> gebruiken om een DataFrame ongedaan te maken, waardoor het wordt geconverteerd van een breed formaat naar een lang formaat<\/a> .<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n Goud:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om het DataFrame te \u2018unpivoten\u2019:<\/span><\/p>\n We gebruikten de teamkolom<\/strong> als identificatiekolom en kozen ervoor om de kolommen<\/strong> voor punten, assists<\/strong> en rebounds<\/strong> niet te roteren.<\/span><\/p>\n Het resultaat is een DataFrame met een lang formaat.<\/span><\/p>\n Houd er rekening mee dat we ook de argumenten var_name<\/strong> en value_name<\/strong> kunnen gebruiken om de kolomnamen in het niet-geroteerde DataFrame op te geven:<\/span><\/p>\n Houd er rekening mee dat de nieuwe kolommen nu Metric<\/strong> en Amount<\/strong> heten.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in Python uitvoert:<\/span><\/p>\n Rijen toevoegen aan een Pandas DataFrame<\/a> In panda’s kunt u de functie melt() gebruiken om een DataFrame ongedaan te maken, waardoor het wordt geconverteerd van een breed formaat naar een lang formaat . Deze functie gebruikt de volgende basissyntaxis: df_unpivot = pd. melt (df, id_vars=‘ col1 ‚, value_vars=[‚ col2 ‚, ‚ col3 ‚, …]) Goud: id_vars : De kolommen die als […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3005","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df_unpivot = pd. melt<\/span> (df, id_vars=' col1<\/span> ', value_vars=[' col2<\/span> ', ' col3<\/span> ', ...])\n<\/strong><\/pre>\n\n
Voorbeeld: het draaien van een Pandas DataFrame ongedaan maken<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [18, 22, 19, 14, 14],\n ' assists<\/span> ': [5, 7, 7, 9, 12],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18 5 11\n1 B 22 7 8\n2 C 19 7 10\n3 D 14 9 6\n4 E 14 12 6<\/span><\/span><\/strong><\/pre>\n #unpivot DataFrame from wide format to long format\ndf_unpivot = pd. melt<\/span> (df, id_vars=' team<\/span> ', value_vars=[' points<\/span> ', ' assists<\/span> ', ' rebounds<\/span> '])\n<\/span>\n#view updated DataFrame\nprint<\/span> (df_unpivot)\n\n team variable value\n0 A points 18\n1 B points 22\n2 C points 19\n3 D dots 14\n4 E points 14\n5 A assists 5\n6 B assists 7\n7 C assists 7\n8 D assists 9\n9 E assists 12\n10 A rebounds 11\n11 B rebounds 8\n12 C rebounds 10\n13 D rebounds 6\n14 E rebounds 6\n<\/span><\/span><\/strong><\/pre>\n #unpivot DataFrame from wide format to long format<\/span>\ndf_unpivot = pd. melt<\/span> (df, id_vars=' team<\/span> ', value_vars=[' points<\/span> ', ' assists<\/span> ', ' rebounds<\/span> '],\n var_name=' metric<\/span> ', value_name=' amount<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df_unpivot)\n\n team metric amount\n0 A points 18\n1 B points 22\n2 C points 19\n3 D dots 14\n4 E points 14\n5 A assists 5\n6 B assists 7\n7 C assists 7\n8 D assists 9\n9 E assists 12\n10 A rebounds 11\n11 B rebounds 8\n12 C rebounds 10\n13 D rebounds 6\n14 E rebounds 6\n<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Kolommen toevoegen aan een Pandas DataFrame
Hoe u het voorkomen van specifieke waarden in Pandas DataFrame kunt tellen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"