Зміна макетів
Свайпніть щоб показати меню
Зміна форми даних часто є необхідною для ефективного аналізу, особливо коли потрібно порівнювати значення між категоріями або підготувати дані для візуалізації. У Polars можна використовувати операції pivot та melt (розгортання), щоб трансформувати DataFrame між широким і довгим форматами. Припустимо, у вас є DataFrame з назвою games_df з такими стовпцями: game_title, developer та steam_deck_status. Ви хочете дізнатися, скільки ігор кожен розробник має у кожній категорії сумісності Steam Deck.
Для цього можна pivot-увати дані так, щоб кожен рядок представляв developer, кожен стовпець — унікальний steam_deck_status, а значення в клітинках показували кількість ігор. Після цього, можливо, знадобиться розгорнути (melt) широку таблицю назад у довгий формат для подальшої обробки або візуалізації.
123456789101112131415161718192021222324252627import 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)
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
