Pandas DataFrame Transponierung

Python bietet uns eine Open-Source-Bibliothek namens "Pandas" -Bibliothek. Wir verwenden diese Bibliothek, um die Daten zu reinigen oder zu analysieren. "Pandas" hat unglaubliche Stärke. Sie erhalten Zugriff auf große wichtige Funktionen und Anweisungen, die verwendet werden, um Ihre Daten schnell zu bewerten. Es bietet die Einrichtung zum Erstellen von Datenrahmen mithilfe von „Pandas“ -Methoden. Wir können auch die Übertragung dieses angegebenen Datenfreams erhalten, wenn es erforderlich ist. Transponieren bedeutet, Zeilen des Datenrahmens in Felder/Spalten umzuwandeln oder umgekehrt. Wir können dies tun, indem wir einfach die Funktion „transponieren ()“ von „Pandas“ verwenden. Wenn wir die Funktion „transponieren ()“ auf den DataFrame im Code „Pandas“ anwenden. In dieser Anleitung werden wir die Zeilen des Datenrahmens in Spalten oder Spalten des Datenrahmens in Zeilen ändern, indem wir die Methode „transponieren“ () “von„ Pandas “verwenden.

Syntax

Datenrahmen.transponieren (*args, ** kwargs)

Beispiel # 01

Da wir die Funktion „transponieren ()“ verwenden müssen, müssen wir nur einen Datenrahmen entwickeln, auf den wir diese Funktion anwenden werden. Vor der Entwicklung des Datenfrequenz. Wir importieren diese Module, indem wir das Schlüsselwort "importieren" verwenden und dann "Pandas als PD" platzieren. Jetzt werden wir die Funktionen oder Methoden von „Pandas“ mit Hilfe von „PD“ leicht erhalten.

Das "sales_team_df" wird dann hier als Datenrahmen erstellt, da wir die "PD" verwenden.DataFrame ”. Nur drei Spalten werden zum "sales_team_df" hinzugefügt, der benannt ist: "Verkäufer, Region und Verkäufe". Diese Spalten enthalten auch einige Datensätze. Also platzieren wir „Mark, Hayes, Foster, Judy und Graham“ in der Kolumne „Verkäufer“. Dann haben wir die Kolumne „Region Covered“, in der wir "Kalifornien, Delaware, Texas, Birmingham und Los Angeles" hinzufügen, um hinzuzufügen. Dann gingen wir in die Spalte „Umsatz“ „85%, 76%, 55%, 88%und 79%“ ein.

Im Folgenden platzieren wir den "print ()", in dem wir "Sales_team_df" hinzufügen, das den Datenrahmen "sales_team_df" auf der Konsole rendert. Jetzt müssen wir die Zeilen dieses „Sales_team_df“ in Spalten ändern, oder wir können sagen, dass wir die Transponierung dieses Datenrahmens erhalten müssen. Dafür verwenden wir hier die Methode „transponieren“.

Zunächst platzieren wir "transponierte. Wenn wir diese Methode verwenden, müssen wir den Namen des DataFrame erwähnen und dann die Methode „transponieren ()“ mit diesem Namen verwenden. Wenn diese Methode auf den DataFrame angewendet wird, ändern sich die Zeilen des DataFrame in Spalten und der Transponierungsdatenrahmen wird in "transponiertes" gespeichert, in "transponiert" gespeichert. Danach setzen wir "transpodiert" in den "print ()", sodass er bei der Ausführung dieses Codes rendert, wenn wir diesen Code ausführen.

Drücken Sie nun auf "Shift+Enter", um diesen Code auszuführen. Die Ausgabe wird am Terminal der "Spyder" -App gerendert. In diesem Datenrahmen befinden sich drei Spalten und fünf Zeilen wie gezeigt und wenn die Methode „transponent ()“ auf diesen Datenrahmen angewendet wird. Dann werden die Zeilen dieses Datenrahmens in Spalten konvertiert und auch hier gezeigt. Der nachstehende Datenrahmen zeigt, dass er fünf Spalten und drei Zeilen nach dem Umzug enthält.

Beispiel # 02

Wir machen ein weiteres Beispiel und erstellen hier einen neuen Datenrahmen, nämlich "Company_DF". In diesem "Company_DF" fügen wir fünf Spalten ein. Dies sind „Firmenname: Telefonnummer, E -Mail, Arbeit Telefon und Facebook“. Die Daten, die wir in die Spalte "Firmenname" einfügen, sind "ABC Company_1, ABC Company_2 und ABC Company_3". Die Zahlen, die wir in der Spalte "Telefonnummer" hinzufügen, lautet "111 123, 111 124 und 111 125". In der Spalte "E -Mail" fügen wir nun ABC11@gmail ein.com, [email protected] und [email protected].

Danach haben wir die Spalte "Arbeit Telefon" und fügen "123 111, 123 112 und 123 113" hinzu. Die Spalte "Facebook" befindet sich neben dem, in dem wir "ABC01, ABC02 und ABC03" einfügen, die wir einfügen. Im Folgenden fügen wir der Funktion "print ()" "company_df" hinzu, die dazu führt. Jetzt müssen wir die transponierte Version dieses Datenrahmens erhalten, damit wir in dieser Instanz die Methode „transpon ()“ verwenden.

Die Variable „CompanyTranspsis“ wird zuerst platziert und die Methode „transponieren“ wird verwendet, um sie zu initialisieren. Der Name des Datenframe. Die Zeilen des Datenrahmens werden zu Spalten, wenn diese Technik darauf angewendet wird und der Transponierungsdatenrahmen in der Variablen „CompanyTranspsis“ gespeichert wird. Anschließend fügen wir "CompanyTranspsis" in die Funktion "print ()" ein, um diese anzuzeigen.

Dieser DataFrame verfügt über fünf Spalten und drei Zeilen wie angezeigt. Nach dem Transponieren zeigt der folgende DataFrame, dass er drei Felder und fünf Zeilen enthält.

Beispiel # 03

Der hier erstellte DataFrame, den wir hier erstellen, ist das "sample_df", und wir fügen vier Spalten hinzu, die "A1, A2, A3 und A4" sind. Alle diese Spalten werden einige numerische Daten hinzugefügt. In "A1" fügten wir hinzu: "12, 35, 25, 76 und 15". In "A2" gingen wir ein: "37, 42, 54, 83 und 55". Dann haben wir "A3" und fügen hinzu: "20, 16, 81, 53 und 78" zu dieser Spalte. Zuletzt haben wir "A4", das enthält: "14, 93, 91, 52 und 36".

Jetzt setzen wir auch die Indexwerte dieses "sample_df", die "row_1, row_2, row_3, row_4 und row_5" sind. Diese Indexwerte werden auch mit Hilfe der "Index" -Methode in die "sample_df" eingefügt. Danach finden wir die Übertragung dieses Datenrahmens „Sample_DF“ mit Hilfe der Methode „Transcon ()“. Dieser Transponierungsdatenrahmen wird auch in der Variablen „T_Result“ gespeichert und dann mit Hilfe von "print ()" gerendert.

Hier werden alle Zeilen in Spalten konvertiert und angezeigt. Wir haben das ursprüngliche und transponierte Datenrahmen in diesem Ergebnis gezeigt.

Beispiel # 04

Hier ist die "item_list" mit "Monat/Jahr, Name des Elements, Menge verkauft, Zinsen und Betrag". Wir geben „22. März, 22. März, 22. April, 22. Mai, 22. Juni und 22. August“ im „Monat/Jahr“ ein. Wir fügen den Artikelnamen „Stift, Marker, Radiergummi, Bleistift, Sharpner und Laken“ dem „Namen des Elements“ hinzu. Wir geben jetzt die Menge dieser Artikel ein, die in der „verkauften Menge“ „5, 8, 6, 4, 5 und 20“ verkauft werden, in der „verkauften Menge“ verkauft werden. Danach fügen wir "150, 120, 220, 125, 90 und 50" zum "Rate" hinzu. Daneben geben wir in der „Menge“ „750, 960, 1320, 500, 450 und 100“ ein. Die "item_list" wird dann in den Datenrahmen "item_list_df" konvertiert.

Außerdem wird dieser Datenrahmen auf der Konsole angezeigt, wenn "item_list_df" zur Methode "print ()" hinzugefügt wird, wie unten angezeigt. Wir müssen jetzt die transponierte Form dieses Datenrahmens erhalten. Daher verwenden wir in diesem Fall die Methode „Transpond ()“. Die Methode „transponieren ()“ wird verwendet. Bei Verwendung dieser Methode muss der Name des Datenrahmens angegeben werden und die Methode „transponieren ()“ muss mit diesem Namen verwendet werden. Durch die Verwendung dieser Technik werden die Zeilen des DataFrame in Spalten umgewandelt und der Transponierungsdatenrahmen wird in der Variablen „transponent_df“ gespeichert, gespeichert. Um dies anzuzeigen, fügen wir der Funktion "print ()" "transpots_df" hinzu.

Wenn die Methode „transpots ()“ für diesen Datenrahmen verwendet wird, werden die sechs Zeilen in sechs Spalten konvertiert und auch unten angezeigt. Dieser Originaldatenrahmen wird derzeit mit fünf Spalten und sechs Zeilen angezeigt. Der nachstehende Datenrahmen nach dem Transponieren zeigt an, dass er sechs Spalten und fünf Zeilen enthält.

Abschluss

Dieser Leitfaden hat die Methode „transponieren ()“ im Detail erläutert. Wir haben diskutiert, dass die Transponierungsmethode zum Konvertieren der Zeilen des Datenrahmens in Spalten verwendet wird und umgekehrt. Wir haben gezeigt, wie diese „transponende ()“ -Methode funktioniert und wie sie die Zeilen des Datenrahmens in Spalten verändert. Wir haben in diesem Leitfaden "Pandas" -Codescode durchgeführt und den Datenrahmen verschoben und auch den ursprünglichen sowie den transponierten Datenrahmen hier in diesem Handbuch gezeigt. Die vier unterschiedlichen Datenrahmen werden in vier verschiedenen Beispielen mit Hilfe des „Transponieren ()“ -Methots in vier verschiedenen Beispielen transponiert.