さまざまな方法で特定のデータフレームを再形成するPythonプログラムを作成する

Melt（）、stack（）、unstack（）、pivot（）関数を使用してデータフレームの形状を変更できます。

ソリューション1

• データフレームを定義します。

• ワイドデータフレーム列を行として変換するには、melt（）関数を適用します。以下に定義されています

df.melt()

例

理解を深めるために、以下のコードを見てみましょう-

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.melt())

出力

Dataframe is:
 Id Age Mark
0 1 13   80
1 2 14   90
2 3 13   85
variable value
0    Id    1
1    Id    2
2    Id    3
3   Age    13
4   Age    14
5   Age    13
6   Mark   80
7   Mark   90
8   Mark   85

ソリューション2

• データフレームを定義します。

• stack（）関数を適用して、データフレーム内のインデックスのレベルを上げます。以下に定義されています

df.stack().to_frame()

• 変更を元に戻したい場合は、unstack（）を使用できます。

df.unstack().to_frame()

例

理解を深めるために、以下の実装を見てみましょう-

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.stack().to_frame())
print(df.unstack().to_frame())

出力

Dataframe is:
   Id   Age Mark
0   1    13  80
1   2    14  90
2   3    13  85
          0
0   Id    1
   Age    13
   Mark   80
1   Id     2
   Age    14
  Mark    90
2   Id    3
   Age    13
   Mark   85
          0
Id   0    1
     1    2
     2    3
Age  0    13
     1    14
     2    13
Mark 0    80
     1    90
     2    85

ソリューション3

• データフレームを定義する

• ピボット（）関数を適用して、ID列に基づいてデータフレームを再形成します

df.pivot(columns='Id')

例

理解を深めるために、以下の実装を見てみましょう-

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3],'Age':[13,14,13],'Mark':[80,90,85]})
print("Dataframe is:\n",df)
print(df.pivot(columns='Id'))

出力

Dataframe is:
 Id Age Mark
0 1 13   80
1 2 14   90
2 3 13   85
      Age          Mark
Id    1    2    3    1    2    3
0   13.0  NaN  NaN  80.0 NaN  NaN
1   NaN  14.0  NaN  NaN  90.0 NaN
2   NaN  NaN   13.0 NaN  NaN  85.0