"일꾼이 일을 잘하려면 먼저 도구를 갈고 닦아야 한다." - 공자, 『논어』.
첫 장 > 프로그램 작성 > 팬더 긴 형식에 대한 자세한 설명 : 광범위한 형식 : 단계별 가이드

팬더 긴 형식에 대한 자세한 설명 : 광범위한 형식 : 단계별 가이드

2025-05-01에 게시되었습니다
검색:459

How to Reshape Data from Long to Wide Format in Pandas: A Step-by-Step Guide

문제 : 는 특히 Melt/Stack/Unstack 메서드를 사용할 때 팬더에서 번거로운 작업이 될 수 있습니다. 예를 들어, 다음의 긴 형식의 데이터 프레임을 고려하십시오 :

팬더를 PD로 가져옵니다. data = pd.dataframe ({{ '세일즈맨':

, '높이': [6, 6, 6, 5], '제품': , '가격': [5, 1, 3, 2] })

import pandas as pd

data = pd.DataFrame({
    'Salesman': ['Knut', 'Knut', 'Knut', 'Steve'],
    'Height': [6, 6, 6, 5],
    'product': ['bat', 'ball', 'wand', 'pen'],
    'price': [5, 1, 3, 2]
})

는 넓은 형식으로 데이터를 재구성하기 위해 Chris Albon의 솔루션을 활용할 수 있습니다 :

raw_data = {
    'patient': [1, 1, 1, 2, 2],
    'obs': [1, 2, 3, 1, 2],
    'treatment': [0, 1, 0, 1, 0],
    'score': [6252, 24243, 2345, 2342, 23525]
}

df = pd.DataFrame(raw_data, columns=['patient', 'obs', 'treatment', 'score'])

'환자': [1, 1, 1, 2, 2], 'OBS': [1, 2, 3, 1, 2], '치료': [0, 1, 0, 1, 0], '점수': [6252, 24243, 2345, 2342, 23525] } df = pd.dataframe (raw_data, columns =
raw_data = {
    'patient': [1, 1, 1, 2, 2],
    'obs': [1, 2, 3, 1, 2],
    'treatment': [0, 1, 0, 1, 0],
    'score': [6252, 24243, 2345, 2342, 23525]
}

df = pd.DataFrame(raw_data, columns=['patient', 'obs', 'treatment', 'score'])

raw_data = {
    'patient': [1, 1, 1, 2, 2],
    'obs': [1, 2, 3, 1, 2],
    'treatment': [0, 1, 0, 1, 0],
    'score': [6252, 24243, 2345, 2342, 23525]
}

df = pd.DataFrame(raw_data, columns=['patient', 'obs', 'treatment', 'score'])

How to Reshape Data from Long to Wide Format in Pandas: A Step-by-Step Guide

df.pivot (&&] 원하는 넓은 형식의 데이터 프레임 :

OBS 1 2 3 인내심 있는 1 6252.0 24243.0 2345.0 2 2342.0 23525.0 nan

최신 튜토리얼 더>

부인 성명: 제공된 모든 리소스는 부분적으로 인터넷에서 가져온 것입니다. 귀하의 저작권이나 기타 권리 및 이익이 침해된 경우 자세한 이유를 설명하고 저작권 또는 권리 및 이익에 대한 증거를 제공한 후 이메일([email protected])로 보내주십시오. 최대한 빨리 처리해 드리겠습니다.

Copyright© 2022 湘ICP备2022001581号-3