Como desdinamizar um dataframe do pandas (com exemplo)

No pandas você pode usar a função melt() para destornar um DataFrame – convertendo-o de um formato amplo para um formato longo .

Esta função usa a seguinte sintaxe básica:

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

Ouro:

• id_vars : as colunas a serem usadas como identificadores
• value_vars : Colunas para unpivot

O exemplo a seguir mostra como usar essa sintaxe na prática.

Exemplo: desdinamizar um DataFrame do Pandas

Suponha que temos o seguinte DataFrame do pandas:

 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

Podemos usar a seguinte sintaxe para “desdinamizar” o 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

Utilizamos a coluna time como coluna identificadora e optamos por não rotacionar as colunas de pontos, assistências e rebotes .

O resultado é um DataFrame de formato longo.

Observe que também podemos usar os argumentos var_name e value_name para especificar os nomes das colunas no DataFrame não girado:

 #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

Observe que as novas colunas agora são intituladas Metric e Amount .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em Python:

Como adicionar linhas a um DataFrame do Pandas
Como adicionar colunas a um DataFrame do Pandas
Como contar ocorrências de valores específicos no Pandas DataFrame