pythonimport pandas as pddata = {'姓名': ['张三', '李四', '王五'], '年龄': [18, 19, 20], '语文成绩': [80, 85, 90], '数学成绩': [90, 95, 80]}df = pd.DataFrame(data)print(df)上述代码将创建一个包含学生信息的DataFrame,并打印输出。输出结果如下:姓名 年龄 语文成绩 数学成绩0 张三 18 80 901 李四 19 85 952 王五 20 90 80现在,我们将介绍如何将某些列移动到行中。在
pythonmelted_df = df.melt(id_vars=['姓名', '年龄'], var_name='科目', value_name='成绩')print(melted_df)上述代码中,我们使用`melt()`方法将`语文成绩`和`数学成绩`两列转化为行,并将结果保存在`melted_df`变量中。同时,我们使用`id_vars`参数指定了要保留的列,使用`var_name`参数指定了新生成的列的名称,使用`value_name`参数指定了新生成的值列的名称。输出结果如下:
姓名 年龄 科目 成绩0 张三 18 语文成绩 801 李四 19 语文成绩 852 王五 20 语文成绩 903 张三 18 数学成绩 904 李四 19 数学成绩 955 王五 20 数学成绩 80通过上述代码,我们成功地将`语文成绩`和`数学成绩`两列移动到了行中,并生成了新的DataFrame。每一行包含了原始DataFrame中的一条记录和相应的成绩信息。使用pivot()除了使用`melt()`方法,
pythonpivoted_df = melted_df.pivot(index=['姓名', '年龄'], columns='科目', values='成绩')print(pivoted_df)上述代码中,我们使用`pivot()`方法将之前生成的`melted_df` DataFrame中的`科目`列转化为列,并将结果保存在`pivoted_df`变量中。同时,我们使用`index`参数指定了要保留的列,使用`columns`参数指定了要转化为列的列,使用`values`参数指定了要转化为值的列。输出结果如下:
科目 数学成绩 语文成绩姓名 年龄 张三 18 90 80李四 19 95 85王五 20 80 90通过上述代码,我们成功地将`科目`列转化为了列,并生成了新的DataFrame。每一行包含了原始DataFrame中的一条记录和相应的成绩信息。在本文中,我们介绍了如何使用