Melt(),stack(),unstack() 및 pivot() 함수를 사용하여 데이터 프레임을 재구성할 수 있습니다.
해결책 1
-
데이터 프레임을 정의합니다.
-
용융() 함수를 적용하여 넓은 데이터 프레임 열을 행으로 변환합니다. 아래에 정의되어 있습니다.
df.melt()
예시
더 나은 이해를 위해 아래 코드를 봅시다 -
판다를 pddf =pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})으로 가져오기 print("데이터 프레임은:\n",df)print(df.melt()) 출력
데이터 프레임:Id Age Mark0 1 13 801 2 14 902 3 13 85variable value0 Id 11 Id 22 Id 33 Age 134 Age 145 Age 136 Mark 807 Mark 908 Mark 85
해결책 2
-
데이터 프레임을 정의합니다.
-
스택() 함수를 적용하여 데이터 프레임의 인덱스 수준을 높입니다. 아래에 정의되어 있습니다.
df.stack().to_frame()
-
변경 사항을 되돌리려면 unstack()을 사용할 수 있습니다.
df.unstack().to_frame()
예시
더 나은 이해를 위해 아래 구현을 살펴보겠습니다. −
판다를 pddf =pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})으로 가져오기 print("데이터 프레임은:\n",df)print(df.stack().to_frame())print(df.unstack().to_frame()) 출력
데이터 프레임:Id Age Mark0 1 13 801 2 14 902 3 13 85 00 Id 1 Age 13 Mark 801 Id 2 Age 14 Mark 902 Id 3 Age 13 Mark 85 0Id 0 1 1 2 0 2 1 3Age 0 80 1 90 2 85
해결책 3
-
데이터 프레임 정의
-
Pivot() 함수를 적용하여 Id 열을 기반으로 데이터 프레임 재구성,
df.pivot(columns='Id')
예시
더 나은 이해를 위해 아래 구현을 살펴보겠습니다. −
판다를 pddf =pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})으로 가져오기 print("데이터 프레임은:\n",df)print(df.pivot(columns='Id'))