<\/p>\n
No pandas voc\u00ea pode usar a fun\u00e7\u00e3o melt()<\/a> para destornar um DataFrame \u2013 convertendo-o de um formato amplo para um formato longo<\/a> .<\/span><\/p>\n Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica:<\/span><\/p>\n Ouro:<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Podemos usar a seguinte sintaxe para \u201cdesdinamizar\u201d o DataFrame:<\/span><\/p>\n Utilizamos a coluna time<\/strong> como coluna identificadora e optamos por n\u00e3o rotacionar as colunas<\/strong> de pontos, assist\u00eancias<\/strong> e rebotes<\/strong> .<\/span><\/p>\n O resultado \u00e9 um DataFrame de formato longo.<\/span><\/p>\n Observe que tamb\u00e9m podemos usar os argumentos var_name<\/strong> e value_name<\/strong> para especificar os nomes das colunas no DataFrame n\u00e3o girado:<\/span><\/p>\n Observe que as novas colunas agora s\u00e3o intituladas Metric<\/strong> e Amount<\/strong> .<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em Python:<\/span><\/p>\n Como adicionar linhas a um DataFrame do Pandas<\/a> No pandas voc\u00ea pode usar a fun\u00e7\u00e3o melt() para destornar um DataFrame \u2013 convertendo-o de um formato amplo para um formato longo . Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica: df_unpivot = pd. melt (df, id_vars=’ col1 ‘, value_vars=[‘ col2 ‘, ‘ col3 ‘, …]) Ouro: id_vars : as colunas a serem usadas como identificadores […]<\/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-3004","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df_unpivot = pd. melt<\/span> (df, id_vars=' col1<\/span> ', value_vars=[' col2<\/span> ', ' col3<\/span> ', ...])\n<\/strong><\/pre>\n\n
Exemplo: desdinamizar um DataFrame do Pandas<\/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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como adicionar colunas a um DataFrame do Pandas
Como contar ocorr\u00eancias de valores espec\u00edficos no Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"