दिए गए डेटाफ्रेम को विभिन्न तरीकों से रीशेप करने के लिए पायथन प्रोग्राम लिखें

हम melt(), stack(), unstack() और pivot() फ़ंक्शन का उपयोग करके डेटाफ्रेम को रीशेप कर सकते हैं।

समाधान 1

एक डेटाफ्रेम परिभाषित करें
चौड़े डेटाफ्रेम कॉलम को पंक्तियों में बदलने के लिए melt() फ़ंक्शन लागू करें

df.melt()

उदाहरण

बेहतर समझ के लिए नीचे दिए गए कोड को देखें:

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3], 'Age':[13,14,13], 'Mark':[80,90,85]})
print("Dataframe is:\n", df)
print(df.melt())

आउटपुट

Dataframe is:  Id Age Mark
0 1 13 80
1 2 14 90
2 3 13 85
variable value
0 Id 1
1 Id 2
2 Id 3
3 Age 13
4 Age 14
5 Age 13
6 Mark 80
7 Mark 90
8 Mark 85

समाधान 2

एक डेटाफ्रेम परिभाषित करें
डेटाफ्रेम में इंडेक्स का स्तर बढ़ाने के लिए stack() फ़ंक्शन लागू करें

df.stack().to_frame()

यदि आप परिवर्तनों को वापस करना चाहते हैं, तो unstack() का उपयोग कर सकते हैं

df.unstack().to_frame()

उदाहरण

बेहतर समझ के लिए नीचे दिए गए कार्यान्वयन को देखें:

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3], 'Age':[13,14,13], 'Mark':[80,90,85]})
print("Dataframe is:\n", df)
print(df.stack().to_frame())
print(df.unstack().to_frame())

आउटपुट

Dataframe is:  Id Age Mark
0 1 13 80
1 2 14 90
2 3 13 85
0 0 Id 1
  Age 13
  Mark 80
1 Id 2
  Age 14
  Mark 90
2 Id 3
  Age 13
  Mark 85
0 Id 0 1
  1 2
  2 3
Age 0 13
  1 14
  2 13
Mark 0 80
  1 90
  2 85

समाधान 3

एक डेटाफ्रेम परिभाषित करें
Id कॉलम के आधार पर डेटाफ्रेम को रीशेप करने के लिए pivot() फ़ंक्शन लागू करें

df.pivot(columns='Id')

उदाहरण

बेहतर समझ के लिए नीचे दिए गए कार्यान्वयन को देखें:

import pandas as pd
df = pd.DataFrame({'Id':[1,2,3], 'Age':[13,14,13], 'Mark':[80,90,85]})
print("Dataframe is:\n", df)
print(df.pivot(columns='Id'))

आउटपुट

Dataframe is:  Id Age Mark
0 1 13 80
1 2 14 90
2 3 13 85
Age Mark
Id 1 2 3 1 2 3
0 13.0 NaN NaN 80.0 NaN NaN
1 NaN 14.0 NaN NaN 90.0 NaN
2 NaN NaN 13.0 NaN NaN 85.0