我就废话不多说了,还是直接看代码吧!
import pandas as pd# 伪造一些数据fake_data = {'subject':['math', 'english'], 'A': [88, 90], 'B': [70, 80], 'C': [60, 78]}# 宽表test = pd.DataFrame(fake_data, columns=['subject', 'A', 'B', 'C'])test subject A B C0 math 88 70 601 english 90 80 78# 转换为窄表pd.melt(test, id_vars=['subject'])subject variable value0 math A 881 english A 902 math B 703 english B 804 math C 605 english C 78补充知识:pandas从单条目数据集生成宽表
需求
场景
从医院数据库中导出了大量的体检数据,但体检数据表中,每一行代表某人某次体检的某一项体检的结果。目的想将每一个人的每一次体检结果作为一行存储,每一列为体检项。
示例
StuID Type Num 0 111021 Math 89 1 111021 English 93 2 312983 English 91 3 314621 English 82 4 314621 Math 92 5 112341 Math 82目的:转换成如下表格
StuID English Math 0 111021 93 89 1 312983 91 NaN 2 314621 82 92 3 112341 NaN 82方案一
具体代码如下
#将'B'列的类别调整为行。#1num = df[~df.duplicated(subset=['StuID'])].loc[:,'StuID'].to_list()#2result_df = pd.DataFrame({'StuID': np.array(num)},columns=['StuID','English','Math'])#3for i in df.index: t = df.loc[i,'Type'] num = df.loc[i,'StuID'] result_df.loc[result_df['StuID'] == num,[t]] = df.loc[i,'Num']print(result_df)结果
以上这篇pandas使用之宽表变窄表的实现就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。