Tidy data
अपने डेटा का आकार बदलने (reshaping) के कई उपयोग हैं। एक महत्वपूर्ण उपयोग है डेटा को एनालिटिक्स-फ्रेंडली फॉर्मेट से रिपोर्टिंग-फ्रेंडली फॉर्मेट में बदलना। इस अवधारणा को Hadley Wickham के Tidy data पेपर में और विस्तार से समझाया गया है.
टाइडी फॉर्मेट में डेटा होने पर आप पिछले अभ्यास की तरह groupby ऑपरेशन भी आसानी से कर सकते हैं.
इस अभ्यास में आप pandas के melt() और .pivot_table() का उपयोग करके अपने डेटा को एक शेप से दूसरे शेप में बदलेंगे। ध्यान रखें कि जब आप अपने डेटा पर .pivot_table() कॉल करते हैं, तो मूल DataFrame वापस पाने के लिए .reset_index() मेथड भी कॉल करना होता है.
airquality DataFrame को reshape करने से पहले, शेल में उसे देखकर समझ लीजिए। हमने pandas को pd नाम से इम्पोर्ट किया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R उपयोगकर्ताओं के लिए Python
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)