Funzione Pandas DataFrame DataFrame.transpose()
-
Sintassi di
pandas.DataFrame.transpose() -
Codici di esempio:
DataFrame.transpose() -
Codici di esempio:
DataFrame.transpose()per trasporreDataFramecon tipi di dati omogenei -
Codici di esempio:
DataFrame.transpose()per trasporreDataFramecon tipi di dati misti
La funzione Python Pandas DataFrame.transpose() cambia le righe del DataFrame in colonne e le colonne in righe. In altre parole, genera un nuovo DataFrame che è la trasposizione dell’originale DataFrame.
Sintassi di pandas.DataFrame.transpose()
DataFrame.transpose(*args, copy=False)
Parametri
*args |
Questi sono gli argomenti della parola chiave aggiuntivi per la compatibilità con NumPy. |
copy |
È un valore booleano. Decide se i valori del DataFrame verranno copiati o meno dopo aver eseguito la trasposizione. Per impostazione predefinita, il suo valore è False. |
Ritorno
Restituisce un DataFrame trasposto. Le righe del DataFrame originale sono colonne nel DataFrame restituito e viceversa.
Codici di esempio: DataFrame.transpose()
Implementeremo questa funzione nei prossimi codici.
import pandas as pd
dataframe=pd.DataFrame({
'Attendance':
{0: 60,
1: 100,
2: 80,
3: 78,
4: 95},
'Name':
{0: 'Olivia',
1: 'John',
2: 'Laura',
3: 'Ben',
4: 'Kevin'},
'Obtained Marks':
{0: 90,
1: 75,
2: 82,
3: 64,
4: 45}
})
print(dataframe)
L’esempio DataFrame è,
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
Tutti i parametri di questa funzione sono opzionali. Se eseguiamo questa funzione senza passare alcun parametro, produce il seguente output.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
Produzione:
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
Codici di esempio: DataFrame.transpose() per trasporre DataFrame con tipi di dati omogenei
Il comportamento di questa funzione è diverso per i tipi di dati omogenei e misti. Lo analizzeremo uno per uno. Se abbiamo un tipo omogeneo DataFrame, i tipi di dati dell’originale e dei DataFrame trasposti sono gli stessi.
Il DataFrame con i tipi di dati omogenei è il seguente
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
print(dataframe)
Il nostro DataFrame è,
A B
0 6 60
1 20 50
2 80 7
3 78 67
4 95 54
5 98 34
Per ottenere la trasposizione di questo DataFrame,
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
Produzione:
0 1 2 3 4
A 6 20 80 78 95
B 60 50 7 67 54
Ora, analizziamo i tipi di dati del DataFrame originale e del DataFrame restituito.
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transpose()
print(dataframe.dtypes)
print(dataframe1.dtypes)
Produzione:
A int64
B int64
dtype: object
0 int64
1 int64
2 int64
3 int64
4 int64
dtype: object
Notare che i tipi di dati dell’originale e dei DataFrame trasposti sono gli stessi.
Codici di esempio: DataFrame.transpose() per trasporre DataFrame con tipi di dati misti
Se abbiamo un DataFrame di tipo misto, i tipi di dati dell’originale e dei DataFrame trasposti sono diversi. Il DataFrame trasposto ha tipi di dati oggetto. Il DataFrame con i tipi di dati misti è il seguente
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
print(dataframe)
Il nostro DataFrame è,
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
Per ottenere la trasposizione di questo DataFrame,
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
Produzione:
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
Ora, analizziamo i tipi di dati del DataFrame originale e del DataFrame restituito.
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe.dtypes)
print(dataframe1.dtypes)
Produzione:
Attendance int64
Name object
Obtained Marks int64
dtype: object
0 object
1 object
2 object
3 object
4 object
dtype: object
Notare che i tipi di dati del DataFrame trasposto sono del tipo di dati object.