Pandas Dataframe Transpose
Syntaxe
Trame de données.Transpose (* args, ** kwargs)
Exemple # 01
Comme nous devons utiliser la fonction «Transpose ()», nous avons juste besoin de développer une dataframe sur laquelle nous appliquerons cette fonction. Avant de développer le dataframe, nous devons importer les modules de «pandas» qui est essentiel pour le code «pandas». Nous importons ces modules en utilisant le mot-clé «importation», puis placons «Pandas en tant que PD». Maintenant, nous obtiendrons facilement les fonctions ou les méthodes de «pandas» à l'aide de «PD».
Le «Sales_team_DF» est ensuite créé comme le DataFrame ici car nous utilisons le «PD.Trame de données". Seules trois colonnes sont ajoutées au «Sales_team_DF», qui sont nommés: «Vendeur, région couverte et ventes». Ces colonnes contiennent également des enregistrements. Donc, nous placons «Mark, Hayes, Foster, Judy et Graham» dans la chronique «vendeur». Ensuite, nous avons la colonne «Région couverte» où nous ajoutons «Californie, Delaware, Texas, Birmingham et Los Angeles». Ensuite, nous sommes entrés «85%, 76%, 55%, 88% et 79%» dans la colonne «Sales».
Ci-dessous, nous placons le "print ()" dans lequel nous ajoutons "Sales_team_df" qui rendra la dataframe "Sales_Team_DF" sur la console. Maintenant, nous devons transformer les lignes de cette «vente_team_df» en colonnes ou nous pouvons dire que nous devons obtenir le transport de ce DataFrame. Donc, pour cela, nous utilisons ici la méthode «transspose ()».
Tout d'abord, nous placons «TransposedF» et nous l'avons initialisée avec la méthode «Transpose ()». Lorsque nous utilisons cette méthode, nous devons mentionner le nom de DataFrame, puis utiliser la méthode «Transpose ()» avec ce nom. Lorsque cette méthode est appliquée à DataFrame, les lignes de DataFrame se transformeront en colonnes et la transposition Dataframe est stockée dans «TransposedF». Après cela, nous avons mis «Transpodedf» dans le «print ()», donc il sera rendu lorsque nous exécuterons ce code.
Maintenant, appuyez sur «Shift + Enter» pour exécuter ce code. La sortie sera rendue sur le terminal de l'application «Spyder». Il y a trois colonnes et cinq lignes dans ce dataframe comme indiqué et lorsque la méthode «transsose ()» est appliquée à ce dataframe. Ensuite, les lignes de ce dataframe sont converties en colonnes et également montrées ici. Le DataFrame ci-dessous montre qu'il contient cinq colonnes et trois lignes après la transformation.
Exemple # 02
Nous faisons un autre exemple et créons ici un nouveau dataframe qui est «Company_DF». Dans cette «Company_DF», nous insérons cinq colonnes. Ce sont des «Nom de l'entreprise: non, par e-mail, téléphone de travail et Facebook». Les données que nous insérons dans la colonne «Nom de l'entreprise» sont «ABC Company_1, ABC Company_2 et ABC Company_3». Les chiffres que nous ajoutons dans la colonne «Phone NO» sont «111 123, 111 124 et 111 125». Maintenant, dans la colonne «Email», nous insérons ABC11 @ gmail.com, abc22 @ gmail.com, et abc33 @ gmail.com.
Après cela, nous avons la colonne «Téléphone de travail» et nous y ajoutons «123 111, 123 112 et 123 113». La colonne «Facebook» est à côté de cela, où nous insérons «ABC01, ABC02 et ABC03». Ci-dessous, nous ajoutons «Company_df» à la fonction «print ()», ce qui fait afficher la dataframe «Company_DF» sur la console. Maintenant, nous devons obtenir la version transposée de ce DataFrame, nous utilisons donc la méthode «Transpose ()» dans cette instance.
La variable «CompanyTransspose» est d'abord placée et la méthode «Transpose ()» est utilisée pour l'initialiser. Le nom de DataFrame doit être mentionné lors de l'utilisation de cette méthode et que la méthode «Transpose ()» doit être utilisée avec ce nom. Les lignes de la dataframe deviendront des colonnes lorsque cette technique s'y applique et que la transposition de données est enregistrée dans la variable «CompanyTranspose». Nous insérons ensuite «CompanyTranspose» dans la fonction «print ()» pour afficher ce.
Ce DataFrame a cinq colonnes et trois lignes comme affiché et lorsque la méthode «Transpose ()» est effectuée dessus, les lignes sont transformées en colonnes et sont également affichées ci-dessous. Après le transport, le DataFrame ci-dessous révèle qu'il contient trois champs et cinq lignes.
Exemple # 03
Le DataFrame que nous créons ici est le «Sample_DF» et nous y ajoutons quatre colonnes qui sont «A1, A2, A3 et A4». Certaines données numériques sont ajoutées à toutes ces colonnes. Dans "A1", nous avons ajouté: "12, 35, 25, 76 et 15". Dans «A2», nous sommes entrés: «37, 42, 54, 83 et 55». Ensuite, nous avons «A3», et nous ajoutons: «20, 16, 81, 53 et 78» à cette colonne. Enfin, nous avons «A4», qui contient: «14, 93, 91, 52 et 36».
Maintenant, nous définissons également les valeurs d'index de ce "Sample_DF" qui sont "ROW_1, ROW_2, ROW_3, ROW_4 et ROW_5". Ces valeurs d'index sont également insérées dans le «Sample_DF» à l'aide de la méthode «Index». Après cela, nous trouvons la transposition de cette dataframe «Sample_DF» à l'aide de la méthode «Transpose ()». Cette transsposition de données est également enregistrée dans la variable «t_result», puis rendue à l'aide de «print ()».
Ici, toutes les lignes sont converties en colonnes et affichées. Nous avons montré l'original ainsi que la transposition de données dans ce résultat.
Exemple # 04
Voici le «Item_List» contenant «mois / année, nom de l'article, quantité vendue, taux et montant». Nous entrons «22 mars, 22 mars, 22 avril, 22 mai, 22 juin et 22 août» dans le «mois / année». Nous ajoutons les noms d'articles «stylo, marqueur, effacer, crayon, pointu et feuilles» au «nom de l'article». Nous entrons maintenant dans la quantité de ces articles qui sont vendus «5, 8, 6, 4, 5 et 20» dans la «quantité vendue». Après cela, nous ajoutons «150, 120, 220, 125, 90 et 50» au «taux». À côté de cela, nous entrons «750, 960, 1320, 500, 450 et 100» dans le «montant». Le "item_list" est ensuite converti en "item_list_df" dataframe.
De plus, cette dataframe s'affiche sur la console lorsque "item_list_df" est ajouté à la méthode "print ()" comme indiqué ci-dessous. Nous devons maintenant obtenir la forme transposée de ce dataframe. Par conséquent, dans ce cas, nous utilisons la méthode «transspose ()». La méthode «transsose ()» est utilisée pour initialiser la variable «transspose_df». Lors de l'utilisation de cette méthode, le nom du DataFrame doit être spécifié et la méthode «transsose ()» doit être utilisée avec ce nom. En utilisant cette technique, les lignes de DataFrame seront converties en colonnes et la transposition de données est enregistrée dans la variable «Transpose_DF». Ensuite, pour afficher ceci, nous ajoutons «Transpose_df» à la fonction «print ()».
Lorsque la méthode «Transpose ()» est utilisée sur ce DataFrame, les six lignes sont converties en six colonnes et sont également présentées ci-dessous. Cette dataframe originale est actuellement affichée avec cinq colonnes et six rangées. Le DataFrame ci-dessous, après transformation, indique qu'il a six colonnes et cinq lignes.
Conclusion
Ce guide a expliqué en détail la méthode «Transpose ()». Nous avons discuté que la méthode de transposition est utilisée pour convertir les lignes du dataframe en colonnes et vice versa. Nous avons montré comment fonctionne cette méthode «Transpose ()» et comment elle modifie les lignes de DataFrame dans les colonnes. Nous avons effectué le code «Pandas» dans ce guide et transposé le DataFrame et avons également montré l'original ainsi que le transposé de données ici dans ce guide. Les quatre frames de données distinctes sont transposés dans quatre exemples différents ici à l'aide de la méthode «transsose ()».