Función de derretimiento de pandas
Tengo un marco de datos:
df = pd.DataFrame([[2, 4, 7, 8, 1, 3, 2013], [9, 2, 4, 5, 5, 6, 2014]], columns=['Amy', 'Bob', 'Carl', 'Chris', 'Ben', 'Other', 'Year'])
Amy Bob Carl Chris Ben Other Year
0 2 4 7 8 1 3 2013
1 9 2 4 5 5 6 2014
Y un diccionario:
d = {'A': ['Amy'], 'B': ['Bob', 'Ben'], 'C': ['Carl', 'Chris']}
Me gustaría remodelar mi marco de datos para que se vea así:
Group Name Year Value
0 A Amy 2013 2
1 A Amy 2014 9
2 B Bob 2013 4
3 B Bob 2014 2
4 B Ben 2013 1
5 B Ben 2014 5
6 C Carl 2013 7
7 C Carl 2014 4
8 C Chris 2013 8
9 C Chris 2014 5
10 Other 2013 3
11 Other 2014 6
Tenga en cuenta que Other
no tiene ningún valor en la Name
columna y el orden de las filas no importa. Creo que debería utilizar la melt
función, pero los ejemplos que he encontrado no son muy claros.
melt
te lleva a mitad del camino.
In [29]: m = pd.melt(df, id_vars=['Year'], var_name='Name')
Esto tiene todo excepto Group
. d
Para conseguirlo, también debemos remodelar un poco.
In [30]: d2 = {}
In [31]: for k, v in d.items():
for item in v:
d2[item] = k
....:
In [32]: d2
Out[32]: {'Amy': 'A', 'Ben': 'B', 'Bob': 'B', 'Carl': 'C', 'Chris': 'C'}
In [34]: m['Group'] = m['Name'].map(d2)
In [35]: m
Out[35]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 Other 3 NaN
11 2014 Other 6 NaN
[12 rows x 4 columns]
Y moviendo 'Otro' de Name
aGroup
In [8]: mask = m['Name'] == 'Other'
In [9]: m.loc[mask, 'Name'] = ''
In [10]: m.loc[mask, 'Group'] = 'Other'
In [11]: m
Out[11]:
Year Name value Group
0 2013 Amy 2 A
1 2014 Amy 9 A
2 2013 Bob 4 B
3 2014 Bob 2 B
4 2013 Carl 7 C
.. ... ... ... ...
7 2014 Chris 5 C
8 2013 Ben 1 B
9 2014 Ben 5 B
10 2013 3 Other
11 2014 6 Other
[12 rows x 4 columns]
Función de derretimiento de pandas: -
Esta función es útil para aplicar un DataFrame a un formato en el que una o más columnas son variables de identificador (id_vars), mientras que todas las demás columnas, consideradas variables medidas (value_vars), están "despivotadas" en el eje de la fila, dejando solo dos sin identificador. columnas, 'variable' y 'valor'.
p.ej:-
melted = pd.melt(df, id_vars=["weekday"],
var_name="Person", value_name="Score")
Usamos Melt para transformar datos amplios en datos largos.