Données ordonnées (tidy data)
Réorganiser vos données a de nombreux usages. L’un des plus importants est de passer d’un format adapté à l’analyse de données à un format adapté au reporting. Ce concept est développé plus en détail dans l’article Tidy data de Hadley Wickham.
Un format « tidy » facilite aussi les opérations de groupby, comme vous l’avez vu dans l’exercice précédent.
Dans cet exercice, vous allez utiliser melt() et .pivot_table() de pandas pour transformer vos données d’une forme à une autre. N’oubliez pas que lorsque vous appelez .pivot_table() sur vos données, vous devez aussi appeler la méthode .reset_index() pour retrouver votre DataFrame d’origine.
Avant de commencer à remodeler le DataFrame airquality, examinez-le dans le terminal. Nous avons importé pandas sous le nom pd.
Cet exercice fait partie du cours
Python pour les utilisateurs de R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)