Oppiskele Asettelujen Muotoilu | Yhdistäminen, Aggregointi

Pyyhkäise näyttääksesi valikon

Datan muotoilun muuttaminen on usein välttämätöntä tehokkaan analyysin kannalta, erityisesti kun halutaan vertailla arvoja eri kategorioiden välillä tai valmistella dataa visualisointia varten. Polarissa voit käyttää pivot- ja melt- (unpivot) operaatioita muuntaaksesi DataFramea laajasta muodosta pitkään muotoon ja päinvastoin. Oletetaan, että sinulla on DataFrame nimeltä games_df, jossa on sarakkeet: game_title, developer ja steam_deck_status. Haluat tarkastella, kuinka monta peliä kullakin kehittäjällä on eri Steam Deck -yhteensopivuusluokissa.

Tämän saavuttamiseksi voit pivot-toiminnolla muotoilla datan siten, että jokainen rivi edustaa developer-arvoa, jokainen sarake yksilöllistä steam_deck_status-arvoa ja solujen arvot näyttävät pelien määrän. Tämän jälkeen voit halutessasi unpivot- (melt) toiminnolla palauttaa laajan taulukon takaisin pitkään muotoon jatkokäsittelyä tai visualisointia varten.


              123456789101112131415161718192021222324252627
            
import polars as pl

# Sample data
games_df = pl.DataFrame({
    "game_title": ["Game A", "Game B", "Game C", "Game D", "Game E", "Game F"],
    "developer": ["Dev1", "Dev2", "Dev1", "Dev2", "Dev3", "Dev1"],
    "steam_deck_status": ["Verified", "Playable", "Playable", "Verified", "Unsupported", "Playable"]
})

# Pivot: count games per developer by steam_deck_status
pivoted = games_df.pivot(
    values="game_title",
    index="developer",
    columns="steam_deck_status",
    aggregate_function="count"
)
print("Pivoted (wide format):")
print(pivoted)

# Unpivot (melt): go back to long format
melted = pivoted.melt(
    id_vars="developer",
    variable_name="steam_deck_status",
    value_name="game_count"
)
print("\nUnpivoted (long format):")
print(melted)

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 5

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 2. Luku 5