Tidy data
Att omforma data har flera användningsområden. Ett viktigt användningsområde är att växla mellan ett format som är anpassat för dataanalys och ett som är anpassat för rapportering. Det här konceptet utvecklas vidare i artikeln Tidy data av Hadley Wickham.
Data i ett tidy-format gör det också möjligt att utföra groupby-operationer, som du såg i föregående övning.
I den här övningen använder du melt() och .pivot_table() från pandas för att omforma data från en struktur till en annan. Kom ihåg att när du anropar .pivot_table() på dina data behöver du också anropa metoden .reset_index() för att få tillbaka din ursprungliga DataFrame.
Innan du börjar omforma airquality-DataFramen, inspektera den i terminalen. Vi har importerat pandas som pd.
Den här övningen är en del av kursen
Python för R-användare
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)