pandas 재구성
{
"cells": [
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [],
"source": [
"import numpy as np
",
"
",
"import pandas as pd"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### unstack"
]
},
{
"cell_type": "code",
"execution_count": 13,
"metadata": {
"collapsed": true
},
"outputs": [
{
"data": {
"text/plain": [
"(10,)"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/plain": [
"A 29
",
" 60
",
"B 137
",
" 14
",
"C 68
",
" 5
",
"D 83
",
" 34
",
"E 29
",
" 127
",
"Name: Python, dtype: int32"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/plain": [
"'-----------------------'"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/plain": [
"(5, 2)"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/html": [
"
",
"
",
"
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
",
"
A
29
60
B
137
14
C
68
5
D
83
34
E
29
127
",
""
],
"text/plain": [
"
",
"A 29 60
",
"B 137 14
",
"C 68 5
",
"D 83 34
",
"E 29 127"
]
},
"metadata": {},
"output_type": "display_data"
}
],
"source": [
"# pd.MultiIndex.from_product ,
",
"s = pd.Series(np.random.randint(0,151,size = 10),
",
" index = pd.MultiIndex.from_product([list('ABCDE'),[' ',' ']]),
",
" name = 'Python')
",
"# , ,== numpy.reshape
",
"# unstack stack
",
"# , ,
",
"# unstack
",
"df = s.unstack()
",
"display(s.shape,s,'-----------------------',df.shape,df)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### stack"
]
},
{
"cell_type": "code",
"execution_count": 14,
"metadata": {
"collapsed": true
},
"outputs": [
{
"data": {
"text/html": [
"
",
"
",
"
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
",
" Python
En
A
49
137
71
B
68
50
146
C
110
137
45
D
33
49
102
E
13
37
26
",
""
],
"text/plain": [
" Python En
",
"A 49 137 71
",
"B 68 50 146
",
"C 110 137 45
",
"D 33 49 102
",
"E 13 37 26"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/plain": [
"(15,)"
]
},
"metadata": {},
"output_type": "display_data"
},
{
"data": {
"text/plain": [
"A Python 49
",
" 137
",
" En 71
",
"B Python 68
",
" 50
",
" En 146
",
"C Python 110
",
" 137
",
" En 45
",
"D Python 33
",
" 49
",
" En 102
",
"E Python 13
",
" 37
",
" En 26
",
"dtype: int32"
]
},
"metadata": {},
"output_type": "display_data"
}
],
"source": [
"df2 = pd.DataFrame(np.random.randint(0,151,size = (5,3)),
",
" index = list('ABCDE'),
",
" columns=['Python',' ','En'])
",
"
",
"# , , reshape
",
"s2 = df2.stack()
",
"display(df2,s2.shape,s2)"
]
},
{
"cell_type": "code",
"execution_count": 16,
"metadata": {
"scrolled": true
},
"outputs": [
{
"data": {
"text/html": [
"
",
"
",
"
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
",
" A
B
C
D
E
Python
49
68
110
33
13
137
50
137
49
37
En
71
146
45
102
26
",
""
],
"text/plain": [
" A B C D E
",
"Python 49 68 110 33 13
",
" 137 50 137 49 37
",
"En 71 146 45 102 26"
]
},
"execution_count": 16,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"#
",
"df2.T"
]
},
{
"cell_type": "code",
"execution_count": 18,
"metadata": {},
"outputs": [
{
"data": {
"text/html": [
"
",
"
",
"
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
","
",
" A
B
C
D
E
Python
49
68
110
33
13
137
50
137
49
37
En
71
146
45
102
26
",
""
],
"text/plain": [
" A B C D E
",
"Python 49 68 110 33 13
",
" 137 50 137 49 37
",
"En 71 146 45 102 26"
]
},
"execution_count": 18,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"df2.stack().unstack(level = 0)"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.1"
}
},
"nbformat": 4,
"nbformat_minor": 4
}
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.