Pandas DataFrame transpose

Pandas DataFrame transpose
Python gir oss et open source-bibliotek kalt “Pandas” -biblioteket. Vi bruker dette biblioteket til å rengjøre eller analysere dataene. “Pandas” har utrolig styrke. Det gir deg tilgang til enorme avgjørende funksjoner og instruksjoner som brukes til å raskt evaluere dataene dine. Det gir anlegget for å lage dataframmer ved hjelp av "pandas" -metoder. Vi kan også få transponering av den spesifiserte dataafarmen når det er nødvendig. Transpose betyr å konvertere rader av DataFrame til felt/kolonner eller omvendt. Vi kan gjøre dette ved å bare bruke "transpose ()" -funksjonen til "pandas". Når vi bruker "Transpose ()" -funksjonen på DataFrame i "Pandas" -koden, vil radene til denne DataFrame konvertere til kolonner. I denne guiden vil vi endre radene til DataFrame til kolonner eller kolonner i DataFrame til rader ved å bruke “Transpose ()” -metoden til “Pandas”.

Syntaks

Dataramme.Transpose (*args, ** kwargs)

Eksempel nr. 01

Siden vi må bruke "Transpose ()" -funksjonen, trenger vi bare å utvikle en dataaframe som vi vil bruke denne funksjonen. Før vi utvikler DataFrame, må vi importere modulene "Pandas" som er viktig for "Pandas" -koden. Vi importerer disse modulene ved å bruke nøkkelordet "import" og deretter plassere "pandaer som PD". Nå vil vi enkelt få funksjonene eller metodene til "pandaer" ved hjelp av "PD".

"Sales_team_df" blir deretter opprettet som DataFrame her når vi bruker "PD.Dataramme". Bare tre kolonner blir lagt til "Sales_team_df", som heter: "Selger, region dekket og salg". Disse kolonnene inneholder også noen poster. Så vi plasserer "Mark, Hayes, Foster, Judy og Graham" i spalten "selger". Deretter har vi "regionen dekket" spalten der vi legger til "California, Delaware, Texas, Birmingham og Los Angeles". Deretter gikk vi inn i "85%, 76%, 55%, 88%og 79%" i "salg" -kolonnen.

Nedenfor plasserer vi “Print ()” som vi legger til “Sales_team_df” som vil gjengi “Sales_team_df” DataFrame på konsollen. Nå må vi endre radene til denne "Sales_team_df" til kolonner, eller vi kan si at vi trenger å få transponeringen av denne dataaframe. Så for dette bruker vi metoden “Transpose ()” her.

Først plasserer vi “Transposedf” og vi initialiserer den med “Transpose ()” -metoden. Når vi bruker denne metoden, må vi nevne DataFrame -navnet og deretter bruke “Transpose ()” -metoden med dette navnet. Når denne metoden brukes på DataFrame, vil DataFrame -radene endre seg til kolonner og transponering av DataFrame lagres i “TransposedF”. Etter dette legger vi "transpodedf" inn i "print ()", så det vil gjengi når vi utfører denne koden.

Trykk nå “Shift+Enter” for å utføre denne koden. Utgangen vil bli gjengitt på terminalen til "Spyder" -appen. Det er tre kolonner og fem rader i denne DataFrame som vist, og når “Transpose ()” -metoden blir brukt på denne DataFrame. Deretter konverteres radene med denne dataframet til kolonner og også vist her. Dataframe nedenfor viser at den inneholder fem kolonner og tre rader etter transponering.

Eksempel # 02

Vi gjør et annet eksempel og lager en ny DataFrame her som er "Company_DF". I denne “Company_df” setter vi inn fem kolonner. Dette er "firmanavn: telefonnr, e -post, arbeidstelefon og facebook". Dataene som vi setter inn i kolonnen "firmanavn" er "ABC Company_1, ABC Company_2 og ABC Company_3". Tallene vi legger til i kolonnen "Telefonnr" er "111 123, 111 124 og 111 125". Nå, i "e -post" -kolonnen, setter vi inn [email protected], [email protected], og [email protected].

Etter dette har vi "arbeidstelefon" -kolonnen og legger til "123 111, 123 112 og 123 113" til den. "Facebook" -kolonnen ligger ved siden av dette, der vi setter inn “ABC01, ABC02 og ABC03”. Nedenfor legger vi til "Company_DF" til "Print ()" -funksjonen, som får "Company_DF" DataFrame til å vises på konsollen. Nå må vi skaffe den transponerte versjonen av denne DataFrame, så vi bruker “Transpose ()” -metoden i dette tilfellet.

"CompanyTranspose" -variabelen er først plassert og "transpose ()" -metoden brukes til å initialisere den. Dataframets navn må nevnes når du bruker denne metoden og metoden “Transpose ()” må brukes med dette navnet. Radene til DataFrame vil bli kolonner når denne teknikken blir brukt på den og transponering DataFrame lagres i variabelen “CompanyTranspose”. Vi setter deretter inn "CompanyTranspose" i "Print ()" -funksjonen for å vise dette.

Denne DataFrame har fem kolonner og tre rader som vist, og når “Transpose ()” -metoden blir utført på den, blir radene omgjort til kolonner og vises også nedenfor. Etter transponering avslører DataFrame nedenfor at den inneholder tre felt og fem rader.

Eksempel # 03

DataFrame vi oppretter her er “Sample_df”, og vi legger til fire kolonner til den som er “A1, A2, A3 og A4”. Noen numeriske data blir lagt til alle disse kolonnene. I “A1” la vi til: “12, 35, 25, 76 og 15”. I “A2” kom vi inn: “37, 42, 54, 83 og 55”. Deretter har vi “A3”, og vi legger til: “20, 16, 81, 53 og 78” til denne kolonnen. Til slutt har vi “A4”, som inneholder: “14, 93, 91, 52 og 36”.

Nå setter vi også indeksverdiene til denne "Sample_df" som er "ROW_1, ROW_2, ROW_3, ROW_4 og ROW_5". Disse indeksverdiene settes også inn i "Sample_df" ved hjelp av "indeks" -metoden. Etter dette finner vi transponeringen av denne “Sample_df” DataFrame ved hjelp av “Transpose ()” -metoden. Denne transponering DataFrame lagres også i "T_Result" -variabelen og deretter gjengitt ved hjelp av "Print ()".

Her konverteres alle rader til kolonner og vises. Vi har vist originalen så vel som transponerer dataaframe i dette utfallet.

Eksempel nr. 04

Her er "item_list" som inneholder "måned/år, navn på varen, mengde solgt, rente og beløp". Vi går inn på "22. mars, 22. mars, 22. april, 22. mai, 22. juni og 22. august" i "måned/år". Vi legger til varenavnene "Pen, Marker, Eraser, Pencil, Sharpner og Sheets" til "Navnet på varen". Vi går nå inn i mengden av disse varene som selges "5, 8, 6, 4, 5 og 20" i "mengden solgt". Etter det legger vi til "150, 120, 220, 125, 90 og 50" til "hastigheten". Ved siden av dette går vi inn i “750, 960, 1320, 500, 450 og 100” i “Beløpet”. "Item_list" blir deretter konvertert til "item_list_df" DataFrame.

Denne DataFrame vises også på konsollen når "item_list_df" legges til "print ()" -metoden som vist nedenfor. Vi må nå få den transponerte formen for denne dataaframmen. Derfor i dette tilfellet bruker vi metoden “Transpose ()”. "Transpose ()" -metoden brukes til å initialisere variabelen "transpose_df". Når du bruker denne metoden, må navnet på DataFrame spesifiseres og metoden “Transpose ()” må brukes med dette navnet. Ved å bruke denne teknikken, vil DataFrame -radene bli konvertert til kolonner, og transponering av DataFrame lagres i variabelen “Transpose_df”. Deretter, for å vise dette, legger vi til "transpose_df" til "print ()" -funksjonen.

Når metoden “Transpose ()” brukes på denne dataframmen, konverteres de seks radene til seks kolonner og presenteres også nedenfor. Denne originale DataFrame vises for øyeblikket med fem kolonner og seks rader. Dataframe nedenfor, etter transponering, indikerer at den har seks kolonner og fem rader.

Konklusjon

Denne guiden har forklart “transpose ()” -metoden i detalj. Vi har diskutert at transponeringsmetoden brukes til å konvertere radene til dataaframe til kolonner og omvendt. Vi har vist hvordan denne "transpose ()" -metoden fungerer og hvordan den endrer DataFrames rader i kolonner. Vi har utført “Pandas” -kode i denne guiden og transponert DataFrame og også vist originalen så vel som den transponerte DataFrame her i denne guiden. De fire distinkte dataframene blir transponert i fire forskjellige eksempler her ved hjelp av "transpose ()" -metoden.