Dados arrumados (Tidy data)
Reestruturar seus dados tem várias aplicações. Uma importante é alternar de um formato amigável para análise de dados para um formato amigável para relatórios. Esse conceito é aprofundado no artigo Tidy data, de Hadley Wickham.
Dados em formato "tidy" também permitem que você faça operações de groupby, como visto no exercício anterior.
Neste exercício, você vai usar melt() e .pivot_table() do pandas para remodelar seus dados de um formato para outro. Lembre-se de que, ao chamar .pivot_table() nos seus dados, você também precisa chamar o método .reset_index() para recuperar o DataFrame original.
Antes de começar a reestruturar o DataFrame airquality, inspecione-o no shell. Já importamos o pandas como pd.
Este exercício faz parte do curso
Python para usuários de R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)