programming python

Hướng dẫn rows into columns in python - hàng thành cột trong python

Vì vậy, bộ dữ liệu của tôi có một số thông tin theo ngày kinh doanh n ngày dưới đây:

Business    Date    Value
a         1/1/2017   127
a         2/1/2017   89
b         2/1/2017   122
a         1/1/2018   555
a         2/1/2018   455

Tôi cần dữ liệu này như định dạng dưới đây: Làm thế nào tôi có thể xử lý nó. Và tôi không muốn đa cấp trong bộ dữ liệu đầu ra của mình

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A

Tôi đã thử dưới đây cú pháp:

df = df.set_index[['Business','Date']]['Value'].unstack[]
df=df.pivot[index='Business', columns='Date', values='Value']

Tôi có đầu ra như dưới đây:

Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -

Khi tôi in các cột, nó không hiển thị lob dưới dạng cột. DataFrame cuối cùng của tôi cũng nên bao gồm các trường kinh doanh, ngày làm cột để tôi có thể tham gia DataFrame này với một DataFrame khác trên doanh nghiệp

Sử dụng thuộc tính 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
4 hoặc phương thức 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5 để hoán đổi [= chuyển vị] các hàng và cột của 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
6.

Cả hai phương thức đều không thay đổi đối tượng gốc nhưng trả về một đối tượng mới với các hàng và cột hoán đổi [= đối tượng chuyển vị].

Lưu ý rằng tùy thuộc vào loại dữ liệu 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
7 của mỗi cột, chế độ xem được tạo thay vì một bản sao và thay đổi một trong các đối tượng gốc và được chuyển sẽ thay đổi khác.

Bài viết này mô tả các nội dung sau đây.

  • Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    8
  • Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    9
  • Thay đổi chính đối tượng ban đầu
  • Loại chuyển đổi
  • Xem và sao chép

Nếu tất cả các cột có cùng loại dữ liệu, 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
4 hoặc 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5 trả về chế độ xem. Vì các đối tượng gốc và các đối tượng Chế độ xem chia sẻ bộ nhớ, việc thay đổi một phần tử sẽ thay đổi phần khác.

  • Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    1
  • Nếu kiểu dữ liệu 
    Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    7 khác nhau cho mỗi cột, 
    Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    4 và 
    Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    5 sẽ tạo một bản sao. Vì đối tượng được chuyển đổi phân bổ một vùng bộ nhớ mới, nếu một khu vực được thay đổi, thì cái còn lại không thay đổi.

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
8

  • Nếu bạn muốn xử lý riêng đối tượng gốc và đối tượng được chuyển một cách riêng biệt khi tất cả các cột có cùng loại dữ liệu: sử dụng 
    import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
    2 để tạo rõ ràng một bản sao với 
    Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    4 và đặt tham số 
    import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
    4 thành 
    import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
    5 để tạo bản sao với 
    Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    5.

import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5


Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
9

  • Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
    3

print[df.transpose[]]
#    A  B  C
# X  0  1  2
# Y  3  4  5

Thay đổi chính đối tượng ban đầu

Loại chuyển đổi

df = df.T
print[df]
#    A  B  C
# X  0  1  2
# Y  3  4  5

Loại chuyển đổi

Xem các bài viết sau đây để chuyển 

df = df.set_index[['Business','Date']]['Value'].unstack[]
df=df.pivot[index='Business', columns='Date', values='Value']
0 hoặc 
df = df.set_index[['Business','Date']]['Value'].unstack[]
df=df.pivot[index='Business', columns='Date', values='Value']
1 hai chiều [danh sách danh sách].

Numpy: Chuyển vị Ndarray [hàng và cột, trục sắp xếp lại]

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.dtypes]
# X    int64
# Y    int64
# dtype: object

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5

print[df.T.dtypes]
# A    int64
# B    int64
# C    int64
# dtype: object

Nếu mỗi cột có một loại dữ liệu khác nhau, loại được chuyển đổi. Ví dụ: nếu một cột chứa cả số nguyên 

df = df.set_index[['Business','Date']]['Value'].unstack[]
df=df.pivot[index='Business', columns='Date', values='Value']
9 và số điểm nổi 
Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
0, loại dữ liệu của cột là 
Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
0.

df_mix = pd.DataFrame[{'col_int': [0, 1, 2], 'col_float': [0.1, 0.2, 0.3]}, index=['A', 'B', 'C']]
print[df_mix]
#    col_int  col_float
# A        0        0.1
# B        1        0.2
# C        2        0.3

print[df_mix.dtypes]
# col_int        int64
# col_float    float64
# dtype: object

print[df_mix.T]
#              A    B    C
# col_int    0.0  1.0  2.0
# col_float  0.1  0.2  0.3

print[df_mix.T.dtypes]
# A    float64
# B    float64
# C    float64
# dtype: object

Nó sẽ không được khôi phục nếu nó được chuyển đổi một lần nữa. Bạn nên áp dụng 

Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
2 để đúc kiểu dữ liệu.

print[df_mix.T.T]
#    col_int  col_float
# A      0.0        0.1
# B      1.0        0.2
# C      2.0        0.3

print[df_mix.T.T.dtypes]
# col_int      float64
# col_float    float64
# dtype: object

Kiểu dữ liệu của một cột chứa chuỗi 

Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
3 là 
Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
4.

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
0

Để biết thêm thông tin về các loại dữ liệu 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
7 và 
Date    1/1/2017    2/1/2017    1/1/2018    2/1/2018
Business
 a        454         5555        555         444 
 b        -            444         -           -
2, hãy xem bài viết sau.

  • Pandas: Cast DataFrame đến một DTYPE cụ thể với ASTYPE []

Xem và sao chép

Nếu tất cả các cột có cùng loại dữ liệu, 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
4 hoặc 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5 trả về chế độ xem. Vì các đối tượng gốc và các đối tượng Chế độ xem chia sẻ bộ nhớ, việc thay đổi một phần tử sẽ thay đổi phần khác.

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
1

Nếu kiểu dữ liệu 

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
7 khác nhau cho mỗi cột, 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
4 và 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5 sẽ tạo một bản sao. Vì đối tượng được chuyển đổi phân bổ một vùng bộ nhớ mới, nếu một khu vực được thay đổi, thì cái còn lại không thay đổi.

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
2

Nếu bạn muốn xử lý riêng đối tượng gốc và đối tượng được chuyển một cách riêng biệt khi tất cả các cột có cùng loại dữ liệu: sử dụng 

import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
2 để tạo rõ ràng một bản sao với 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
4 và đặt tham số 
import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
4 thành 
import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
5 để tạo bản sao với 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5.

Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
3

Giá trị mặc định của 

import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
4 trong 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
5 là 
import pandas as pd

df = pd.DataFrame[{'X': [0, 1, 2], 'Y': [3, 4, 5]}, index=['A', 'B', 'C']]
print[df]
#    X  Y
# A  0  3
# B  1  4
# C  2  5

print[df.T]
#    A  B  C
# X  0  1  2
# Y  3  4  5
9, tạo ra chế độ xem thay vì một bản sao nếu có thể. Nếu loại dữ liệu 
Business    1/1/2017  2/1/2017 1/1/2018  2/1/2018
 a           127         89     555        455
 b           N/A        122      N/A       N/A
7 khác nhau cho mỗi cột, như trong ví dụ trên, một bản sao được tạo ngay cả khi 
print[df.transpose[]]
#    A  B  C
# X  0  1  2
# Y  3  4  5
1.

Làm cách nào để thay đổi hàng thành các cột trong Python?

Hàm chuyển vị [] được sử dụng để chuyển đổi chỉ số và cột.Phản ánh DataFrame trên đường chéo chính của nó bằng cách viết các hàng dưới dạng các cột và ngược lại. is used to transpose index and columns. Reflect the DataFrame over its main diagonal by writing rows as columns and vice-versa.

ILOC [] trong Python là gì?

Hàm ILOC [] trong Python được xác định trong mô -đun Pandas, giúp chúng tôi chọn một hàng hoặc cột cụ thể từ tập dữ liệu.Sử dụng phương thức ILOC trong Python, chúng ta có thể dễ dàng truy xuất bất kỳ giá trị cụ thể nào từ một hàng hoặc cột bằng cách sử dụng các giá trị chỉ mục.helps us select a specific row or column from the data set. Using the iloc method in python, we can easily retrieve any particular value from a row or column by using index values.

Làm thế nào để bạn chia dữ liệu thành các cột trong Python?

Chia [] gấu trúc cung cấp một phương thức để phân chia chuỗi xung quanh một dấu phân cách/dấu phân cách được truyền.Sau đó, chuỗi có thể được lưu trữ dưới dạng danh sách trong một chuỗi hoặc nó cũng có thể được sử dụng để tạo nhiều khung dữ liệu cột từ một chuỗi phân tách duy nhất. Pandas provide a method to split string around a passed separator/delimiter. After that, the string can be stored as a list in a series or it can also be used to create multiple column data frames from a single separated string.

Làm cách nào để trao đổi hàng và cột trong gấu trúc?

Để hoán đổi các hàng và cột của DataFrame trong gấu trúc, hãy sử dụng phương thức Chuyển đổi [~] của DataFrame.use the DataFrame's transpose[~] method.

Bài Viết Liên Quan

Hướng dẫn how do you get the id of an element in javascript from a clicked? - Làm cách nào để bạn lấy id của một phần tử trong javascript từ một người được nhấp vào?
Hướng dẫn python lcm - trăn lcm
Hướng dẫn python remove multiple element from list by index - python xóa nhiều phần tử khỏi danh sách theo chỉ mục
Hướng dẫn python flask mysql - bình trăn mysql
Xe máy điện honda 2023
Hướng dẫn python package version - phiên bản gói python
Hướng dẫn how to add color to an image in css - cách thêm màu vào hình ảnh trong css
Hướng dẫn dùng subclassing python python
Hướng dẫn chuyển trang trong nodejs
Hướng dẫn linear regression in python statsmodels - hồi quy tuyến tính trong mô hình thống kê python
Hướng dẫn how long does it take to become proficient in javascript? - mất bao lâu để thành thạo javascript?
Hướng dẫn how do you use less than and greater than in python? - làm thế nào để bạn sử dụng nhỏ hơn và lớn hơn trong python?
Hướng dẫn where is phpmyadmin in cpanel? - phpmyadmin trong cpanel ở đâu?
Hướng dẫn sum of array using recursion in python - tổng của mảng sử dụng đệ quy trong python
Hướng dẫn does static typing make python faster? - nhập tĩnh có làm cho python nhanh hơn không?
Hướng dẫn show/hide div javascript - hiển thị / ẩn div javascript
Hướng dẫn how do you add and subtract in html? - làm thế nào để bạn thêm và trừ trong html?
Hướng dẫn call to undefined function ssh2_connect php 7 - gọi đến hàm không xác định ssh2_connect php 7
Hướng dẫn isset button in php - nút Isset trong php
Hướng dẫn dùng parse query trong PHP

Toplist mới

#1
Top 7 tết mậu thân năm 1968 đã diễn ra sự kiện gì ở miền nam nước ta 2023
6 tháng trước
#2
Top 13 luyện từ và câu: dấu gạch ngang lớp 4 trang 45 2023
6 tháng trước
#3
Top 6 trong mặt phẳng oxy ảnh của đường thẳng d 3x y 4=0 2023
6 tháng trước
#4
Top 6 thử thách thần chết thuyết minh phần 2 2023
6 tháng trước
#5
Top 4 vở bài tập tiếng việt lớp 3 tập 2 chính tả trang 15 2023
6 tháng trước
#6
Top 5 áo khoác nam quảng châu cao cấp 2023
6 tháng trước
#7
Top 4 nội dung nào sau đây không phải là trách nhiệm của đơn vị đầu mối cung cấp thông tin 2023
6 tháng trước
#8
Top 9 mẫu đồng phục công sở đẹp 2022 2023
6 tháng trước
#9
Top 5 ốp lưng iphone 13 pro bảo vệ camera 2023
6 tháng trước

Bài mới nhất

Nghệ thuật tự do toàn cầu là ngành gì năm 2024
400/1 lê văn sỹ - p14 - quận 3 năm 2024
Phó giáo sư tiến sĩ là gì năm 2024
Cách làm vở bài tập địa lý lớp 7 năm 2024
Font việt hóa không hiển thị giống như demo năm 2024
Chỉ số cạnh tranh cấp tỉnh là gì năm 2024
Đề kiểm tra toán hk i 2023-2023 huyện thanh trì năm 2024
Sơ đồ tư duy văn bản đồng chí năm 2024
Vườn quốc gia u minh hạ thuộc tỉnh nào năm 2024
Top điều hòa inverter 9000btu tiết kiệm điện năm 2024

Chủ Đề

programming Hỏi Đáp Là gì Mẹo Hay Toplist Địa Điểm Hay Học Tốt mẹo hay Công Nghệ Nghĩa của từ Bao nhiêu Khỏe Đẹp đánh giá Tiếng anh Top List bao nhieu bao nhiêu hướng dẫn Món Ngon So Sánh Bài tập So sánh Xây Đựng Sản phẩm tốt Ngôn ngữ Bài Tập javascript Ở đâu Thế nào Hướng dẫn Dịch Tại sao Máy tính Đại học