溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
今天就跟大家聊聊有關(guān)Python數(shù)據(jù)分析中寬表是如何重構(gòu)為長表，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
今天，先來了解Pandas封裝的頂層函數(shù)部分，其一：melt()函數(shù)，它位于Pandas包的最頂層，結(jié)構(gòu)如下：
Pandas
|
melt()
melt()函數(shù)的原型如下：
frame為list型參數(shù)，后面都為position型參數(shù)。前者為通常意義的*args, 后者為 **kwargs.
frame不難猜測為Pandas的二維數(shù)組結(jié)構(gòu)DataFrame，其他參數(shù)含義通過如下幾個例子觀察。
構(gòu)造df 結(jié)構(gòu)如下：
執(zhí)行如下操作：
pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
結(jié)果如下：
觀察
變化后的df行數(shù)變多了，A列名稱保持不變;
第二列的column名稱變?yōu)関ariable，取值變?yōu)?B 和 C（正好等于melt函數(shù)的第三個參數(shù) value_vars）；
第三列名為value，取值為原df的B和C列的值。
再驗證
pd.melt(df2, id_vars=['a'], value_vars=['b', 'c', 'd'])
變化后的結(jié)構(gòu)行數(shù)明顯變更多了，由9行組成，但是列變少了，只有3列。
這里面引出2個概念：
寬表( wide format) ：指列數(shù)比較多
長表( long format) ：行數(shù)比較多
回頭核對官方給定melt的功能和參數(shù)
注意用詞：unpivot 變化 DataFrame從寬格式到長格式，選擇性地保留標(biāo)示列，其實就是指 id_vars參數(shù)。
以上為兩個最主要的參數(shù)，第二個value_vars指需要upivot的列。
思考
melt()函數(shù)的作用，它能將寬表變化為長表。在做特征分析列數(shù)較多，即為寬表時，我們不妨選擇某些列為unpivot列，從而降低維度，增加行數(shù)據(jù)實現(xiàn)對數(shù)據(jù)的重構(gòu)。
官方解釋melt()中變化這個詞使用了unpivot，因此大膽猜測它的逆操作為 pivot()。
看完上述內(nèi)容，你們對Python數(shù)據(jù)分析中寬表是如何重構(gòu)為長表有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機(jī)網(wǎng)站二維碼
