Pandas DataFrame Transpose

Python zapewnia nam bibliotekę open source o nazwie biblioteka „Pandy”. Korzystamy z tej biblioteki do czyszczenia lub analizy danych. „Pandy” ma niesamowitą siłę. Daje dostęp do ogromnych kluczowych funkcji i instrukcji, które są wykorzystywane do szybkiej oceny danych. Zapewnia obiekt do tworzenia ramek danych przy użyciu metod „pandy”. Możemy również uzyskać transpozycję tego określonego datafarme w miarę potrzeb. Transpose oznacza konwersję wierszy strumienia danych na pola/kolumny lub odwrotnie. Możemy to zrobić, po prostu wykorzystując funkcję „Transpose ()” „Pandy”. Po zastosowaniu funkcji „Transpose ()” do ramki danych w kodzie „pand” rzędy tej formy danych przekonwertują na kolumny. W tym przewodniku zmienimy rzędy ramki danych na kolumny lub kolumny ramki danych na wiersze, wykorzystując metodę „Transpose ()” „pandy”.

Składnia

Ramka danych.Transpose (*args, ** kwargs)

Przykład nr 01

Ponieważ musimy korzystać z funkcji „Transpose ()”, musimy tylko opracować ramkę danych, na której zastosujemy tę funkcję. Przed opracowaniem DataFrame musimy zaimportować moduły „pandy”, które są niezbędne dla kodu „pandy”. Importujemy te moduły, wykorzystując słowo kluczowe „import”, a następnie umieszczamy „Pandy jako PD”. Teraz z łatwością otrzymamy funkcje lub metody „pand” za pomocą „PD”.

„Sales_team_df” jest następnie tworzone jako TUTAME DATFRAME, ponieważ używamy „PD.Ramka danych". Do „sales_team_df” dodawane są tylko trzy kolumny: „sprzedawca, objęty region i sprzedaż”. Te kolumny zawierają również niektóre rekordy. Więc umieszczamy „Mark, Hayes, Foster, Judy i Graham” w kolumnie „sprzedawca”. Następnie mamy kolumnę „Region pokrytą”, w której dodajemy „Kalifornia, Delaware, Teksas, Birmingham i Los Angeles”. Następnie weszliśmy do kolumny „85%, 76%, 55%, 88%i 79%”.

Below, we place the “print()” in which we add “Sales_Team_df” which will render the “Sales_Team_df” DataFrame on the console. Teraz musimy zmienić rzędy tego „sales_team_df” na kolumny lub możemy powiedzieć, że musimy uzyskać transpozycję tegofruk danych. W tym celu wykorzystujemy tutaj metodę „Transpose ()”.

Najpierw umieszczamy „TransposedF” i inicjujemy go metodą „Transpose ()”. Kiedy używamy tej metody, musimy wspomnieć o nazwie DataFrame, a następnie użyć metody „Transpose ()” z tą nazwą. Gdy ta metoda zostanie zastosowana do ramki danych, wiersze DataFrame zmienią się na kolumny, a Transpose DataFrame jest przechowywana w „TransposedF”. Następnie umieszczamy „Transpodedf” do „print ()”, aby renderować ten kod tego kodu.

Teraz naciśnij „Shift+Enter”, aby wykonać ten kod. Wyjście zostanie renderowane na terminalu aplikacji „Spyder”. Istnieją trzy kolumny i pięć wierszy w tej ramce danych, jak pokazano i gdy metoda „Transpose ()” jest zastosowana do tego ramki danych. Następnie rzędy tej formy danych są konwertowane na kolumny, a także pokazane tutaj. Poniższa ramka danych pokazuje, że zawiera pięć kolumn i trzy wiersze po transpacji.

Przykład nr 02

Robimy inny przykład i tworzymy tutaj nową ramkę danych, która jest „company_df”. W tym „Company_DF” wstawiamy pięć kolumn. Są to „Nazwa firmy: nr telefonu, e -mail, telefon i Facebook”. Dane, które wstawiamy w kolumnie „Nazwa firmy” to „ABC Company_1, ABC Company_2 i ABC Company_3”. Liczby dodane do kolumny „No” to „111 123, 111 124 i 111 125”. Teraz w kolumnie „e -mail” wstawiamy [email protected], [email protected] i [email protected].

Następnie mamy kolumnę „Połączając telefon” i dodajemy do niej „123 111, 123 112 i 123 113”. Kolumna „Facebook” znajduje się obok tego, gdzie wstawiamy „ABC01, ABC02 i ABC03”. Below, we add “Company_df” to the “print()” function, which causes the “Company_df” DataFrame to be displayed on the console. Teraz musimy uzyskać transponowaną wersję tego ramki danych, aby w tym przypadku używać metody „Transpose ()”.

Zmienna „Companytranspose” jest najpierw umieszczana, a metoda „Transpose ()” jest używana do jej zainicjowania. Nazwisko DataFrame musi być wymienione przy użyciu tej metody, a metodę „Transpose ()” należy użyć z tą nazwą. Rzędy DataFrame staną się kolumnami, gdy ta technika zostanie do niej zastosowana, a Transpose DataFrame zostanie zapisywana w zmiennej „Companytranspose”. Następnie wstawiamy „Companytranspose” do funkcji „print ()” do wyświetlania tego.

Ta oprawa danych ma pięć kolumn i trzy rzędy, a kiedy wykonywana jest metoda „Transpose ()”, wiersze są przekształcane w kolumny i są również wyświetlane poniżej. Po transponowaniu poniższa ramka danych ujawnia, że ​​zawiera trzy pola i pięć wierszy.

Przykład nr 03

Utworzona przez nas strumienia danych to „próbka_df” i dodajemy do niego cztery kolumny, które to „A1, A2, A3 i A4”. Niektóre dane numeryczne są dodawane do wszystkich tych kolumn. W „A1” dodaliśmy: „12, 35, 25, 76 i 15”. W „A2” weszliśmy: „37, 42, 54, 83 i 55”. Następnie mamy „A3” i dodajemy: „20, 16, 81, 53 i 78” do tej kolumny. Na koniec mamy „A4”, który zawiera: „14, 93, 91, 52 i 36”.

Teraz ustawiamy również wartości indeksu tego „próbka_df”, które są „Row_1, Row_2, Row_3, Row_4 i Row_5”. Te wartości indeksu są również wstawiane do „próbki_df” za pomocą metody „indeksu”. Następnie znajdziemy transpozycję tej oprawy danych „próbka_df” za pomocą metody „Transpose ()”. Ta transponowana ramka danych jest również zapisywana w zmiennej „T_Result”, a następnie renderowana za pomocą „print ()”.

Tutaj wszystkie wiersze są konwertowane na kolumny i wyświetlane. W tym wyniku pokazaliśmy oryginał, a także transponował ramkę danych.

Przykład nr 04

Oto „Item_list” zawierający „miesiąc/rok, nazwa przedmiotu, ilość sprzedana, stawka i kwota”. Wprowadzamy „22 marca, 22 marca, 22 kwietnia, 22 maja, 22 czerwca i 22 sierpnia” w „miesiącu/rok”. Dodajemy nazwy elementów „Pen, znacznik, gumka, ołówek, Sharpner i Arkusze” do „Nazwa przedmiotu”. Wprowadzamy teraz ilość tych przedmiotów, które są sprzedawane „5, 8, 6, 4, 5 i 20” w „Sprzedawanej ilości”. Następnie dodajemy „150, 120, 220, 125, 90 i 50” do „stawki”. Oprócz tego wprowadzamy „750, 960, 1320, 500, 450 i 100” w „kwotę”. „Item_List” jest następnie konwertowany na „item_list_df”.

Ponadto, ta konstrukcja danych jest wyświetlana na konsoli, gdy do metody „print ()” jest dodawany „item_list_df”, jak pokazano poniżej. Musimy teraz uzyskać transponowaną formę tego ramki danych. Dlatego w tym przypadku wykorzystujemy metodę „Transpose ()”. Metoda „Transpose ()” służy do inicjalizacji zmiennej „Transpose_df”. Podczas korzystania z tej metody należy określić nazwęFrame, a metodę „Transpose ()” należy użyć z tą nazwą. Korzystając z tej techniki, wiersze DataFrame zostaną przekonwertowane na kolumny, a Transpose DataFrame jest zapisywany w zmiennej „Transpose_df”. Następnie, aby to wyświetlić, dodajemy „Transpose_df” do funkcji „print ()”.

Gdy w tej ramce danych stosuje się metodę „Transpose ()”, sześć wierszy jest konwertowanych na sześć kolumn i również przedstawiono poniżej. Ta oryginalna ramka danych jest obecnie wyświetlana z pięcioma kolumnami i sześcioma wierszami. Poniższa ramka danych, po transpacji, wskazuje, że ma sześć kolumn i pięć wierszy.

Wniosek

Ten przewodnik szczegółowo wyjaśnił metodę „Transpose ()”. Omówiliśmy, że metoda transpozycji jest wykorzystywana do konwersji wierszy ramki danych w kolumny i odwrotnie. Pokazaliśmy, jak działa ta metoda „Transpose ()” i jak zmienia wierszeFrame DataFrame na kolumny. W tym przewodniku wykonaliśmy kod „pandy” i transponowaliśmy ramkę danych, a także pokazaliśmy oryginał, a także transponowaną ramkę danych tutaj w tym przewodniku. Cztery odrębne ramki danych są tutaj transponowane w czterech różnych przykładach za pomocą metody „Transpose ()”.