Dati ordinati (tidy data)
Rimodellare i tuoi dati ha diverse applicazioni. Una importante è passare da un formato adatto all'analisi dei dati a uno adatto ai report. Questo concetto è approfondito nel paper Tidy data di Hadley Wickham.
Avere i dati in formato "tidy" ti permette anche di eseguire operazioni di groupby, come visto nell'esercizio precedente.
In questo esercizio userai melt() e .pivot_table() di pandas per rimodellare i tuoi dati da una
forma a un'altra. Ricorda che quando chiami .pivot_table() sui tuoi dati, devi anche chiamare il metodo .reset_index() per riottenere il DataFrame originale.
Prima di iniziare a rimodellare il DataFrame airquality, ispezionalo nella shell. Abbiamo importato pandas come pd.
Questo esercizio fa parte del corso
Python per utenti R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)