Let's start by understanding the concept of wide and long formats and the advantages of using each of them. You’ll then learn how to pivot data from long to a wide format, and get summary statistics from a large DataFrame.

Wide and long data formats

The long and the wide

Flipping players

Reshaping using pivot method

Dribbling the pivot method

Offensive or defensive player?

Replay that last move!

Pivot tables

Reviewing the moves

Exploring the big match

The tallest and the heaviest

Introduction to Data Reshaping

Master the technique of reshaping DataFrames from wide to long format. In this chapter, you'll learn how to use the melting method and wide to long function before discovering how to handle string columns by concatenating or splitting them.

Reshaping with melt

Gothic times

Rating is not everything

How is Frankenstein, Dorian Gray?

Wide to long function

The golden age

Decrypting the code

Time to read, Katniss!

Working with string columns

Did you say dystopia?

What's your rating, Harry?

Elementary, dear Watson!

Converting Between Wide and Long Format

In this chapter, you’ll level-up your data manipulation skills using multi-level indexing. You'll learn how to reshape DataFrames by rearranging levels of the row indexes to the column axis, or vice versa. You'll also gain the skills you need to handle missing data generated in the stacking and unstacking processes.

Stacking DataFrames

Stack the calls!

Phone directory index

Text me!

Unstacking DataFrames

International caller

Call another time

Organizing your voicemail

Working with multiple levels

Swap your SIM card

Two many calls

Handling missing data

A missed phone call

Don't drop the stack

Stacking and Unstacking DataFrames

You'll finish by learning how to combine the reshaping process with grouping to produce quick data manipulations. Lastly, you'll discover how to transform list-like columns and handle complex nested data, such as nested JSON files.

Verileri yeniden şekillendirme ve birleştirme

Daha az fast food, lütfen!

Sadece yukarı

Bir grup analizi

Liste benzeri bir sütunu dönüştürme

Hepsini birleştir

Sınırları patlat

Eski dost split

İç içe verileri bir DataFrame'e okuma

İçiçe filmler

Karmaşık bir film

İç içe veri sütunlarıyla çalışmak

Kuşları açmak (un-nesting)

Kuşu çöpe atma

Son biçimlendirme

Advanced Reshaping

Customer churn data

Books data

FIFA players data

Obesity data

Çoğu zaman veriler insanın okuyabileceği bir biçimdedir ama veri analizi için uygun olmaz. İşte burada pandas devreye girer—DataFrame’leri farklı biçimlere dönüştürmek için güçlü bir araçtır. Bu derste, bir DataFrame’de yer alan metin (string) sütunları ve iç içe verilerle nasıl çalışacağını öğrenirken veri bilimci ve analist becerilerini geliştireceksin. Geniş biçimden uzun biçime dönüştürme, satır ve sütunları stack/unstack etme ve çoklu indeksli bir DataFrame’in betimsel istatistiklerini elde etme konularını öğrenirken FIFA oyuncu puanları, kitap incelemeleri ve müşteri kaybı (churn) analizi gibi gerçek dünya verileriyle çalışacaksın.

Data Manipulation with pandas

DataFrame'leri genişten uzun formata dönüştür, satır ve sütunları yığ ve çoklu indeksleri düzenle.

Verileri yeniden şekillendirme ve birleştirme

Create Your Free Account