Pandas DataFrame DataFrame.transpose() 함수
-
pandas.DataFrame.transpose()구문 -
예제 코드:
DataFrame.transpose() -
예제 코드:
DataFrame.transpose()를 동종 데이터 유형으로DataFrame전치 -
예제 코드:
DataFrame.transpose()를 혼합 데이터 유형으로DataFrame전치
Python Pandas DataFrame.transpose() 함수는DataFrame의 행을 다음과 같이 변경합니다. 열, 열에서 행으로. 즉, 원본 DataFrame의 전치 인 새로운 DataFrame을 생성합니다.
pandas.DataFrame.transpose()구문
DataFrame.transpose(*args, copy=False)
매개 변수
*args |
NumPy와의 호환성을위한 추가 키워드 인수입니다. |
copy |
부울 값입니다. 트랜스 포즈를 수행 한 후DataFrame의 값을 복사할지 여부를 결정합니다. 기본적으로 값은 False입니다. |
반환
전치 된DataFrame을 반환합니다. 원래DataFrame의 행은 반환 된DataFrame의 열이며 그 반대의 경우도 마찬가지입니다.
예제 코드: DataFrame.transpose()
다음 몇 가지 코드에서이 기능을 구현할 것입니다.
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)
DataFrame의 예는 다음과 같습니다.
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
이 함수의 모든 매개 변수는 선택 사항입니다. 매개 변수를 전달하지 않고이 함수를 실행하면 다음 출력이 생성됩니다.
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)
출력:
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
예제 코드: DataFrame.transpose()를 동종 데이터 유형으로DataFrame 전치
이 함수의 동작은 동종 및 혼합 데이터 유형에 따라 다릅니다. 우리는 그것을 하나씩 분석 할 것입니다. 동종 유형의 DataFrame이있는 경우 원본 데이터 유형과 전치 된 Dataframes의 데이터 유형은 동일합니다.
동종 데이터 유형의DataFrame은 다음과 같습니다.
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)
우리의 DataFrame은
A B
0 6 60
1 20 50
2 80 7
3 78 67
4 95 54
5 98 34
이DataFrame의 전치를 얻으려면
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)
출력:
0 1 2 3 4
A 6 20 80 78 95
B 60 50 7 67 54
이제 원본DataFrame과 반환 된DataFrame의 데이터 유형을 분석해 보겠습니다.
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)
출력:
A int64
B int64
dtype: object
0 int64
1 int64
2 int64
3 int64
4 int64
dtype: object
원본과 전치 된 DataFrames의 데이터 유형은 동일합니다.
예제 코드: DataFrame.transpose()를 혼합 데이터 유형으로DataFrame 전치
혼합형 DataFrame이있는 경우 원본과 전치 된 Dataframes의 데이터 유형이 다릅니다. 전치 된DataFrame에는 객체 데이터 유형이 있습니다. 데이터 유형이 혼합 된DataFrame은 다음과 같습니다.
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)
우리의DataFrame은
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
이DataFrame의 전치를 얻으려면
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)
출력:
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
이제 원본DataFrame과 반환 된DataFrame의 데이터 유형을 분석해 보겠습니다.
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)
출력:
Attendance int64
Name object
Obtained Marks int64
dtype: object
0 object
1 object
2 object
3 object
4 object
dtype: object
전치 된DataFrame의 데이터 유형은object 데이터 유형입니다.