Tidy data
การปรับรูปร่างข้อมูลมีประโยชน์หลายด้าน หนึ่งในนั้นคือการแปลงข้อมูลจากรูปแบบที่เหมาะกับการวิเคราะห์ไปเป็นรูปแบบที่เหมาะกับการรายงาน แนวคิดนี้ถูกขยายความเพิ่มเติมในบทความ Tidy data ของ Hadley Wickham
ข้อมูลในรูปแบบ tidy ยังช่วยให้สามารถทำ groupby operation ได้ดังที่เห็นในแบบฝึกหัดก่อนหน้า
ในแบบฝึกหัดนี้ จะใช้ melt() และ .pivot_table() จาก pandas เพื่อปรับรูปร่างข้อมูลจากรูปแบบหนึ่งไปยังอีกรูปแบบหนึ่ง อย่าลืมว่าเมื่อเรียกใช้ .pivot_table() กับข้อมูล จะต้องเรียก .reset_index() ต่อท้ายด้วยเพื่อให้ได้ DataFrame กลับคืนมาในรูปแบบเดิม
ก่อนเริ่มปรับรูปร่าง DataFrame airquality ลองตรวจสอบข้อมูลใน shell ก่อน โดยได้นำเข้า pandas เป็น pd ไว้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Python สำหรับผู้ใช้ R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Melt the airquality DataFrame
airquality_melted = ____(____, id_vars=['Day', 'Month'])
print(airquality_melted)