Pandas 11 - melt() Fonksiyonunun Kullanımı

Cum 22 Temmuz 2022

Pandas Melt Fonksiyonuyla Verilerinizi Yeniden Şekillendirin

Bu bölümde, Pandas'ın melt() fonksiyonunun nasıl kullanacağını öğreneceğiz. pd.melt() fonksiyonu, bir Pandas yapısını geniş formattan uzun formata yeniden şekillendirmek için kullanılır. Bunun anlamı, bir veya daha fazla sütunun tanımlayıcı olarak kullanılması ve diğer tüm sütunların değer olarak kullanılmasıdır. Kısacası bu fonksiyon, Veri Çerçevenizi Özet Tablo (pivot_table() fonksiyonu) kullanmadan, biçimlendirmenizi sağlar.

Bu bölümün sonunda şunları öğrenmiş olacaksınız:

Verilerinizi çözmek/şekillendirmek veya melt() fonsiyonu ile işlemek ne anlama gelir?
Pandas'ın melt() fonksiyonu nasıl anlaşılır ve kullanılır?
Tek veya birden çok değişkeni çözmek/şekillendirmek için Pandas melt() işlevi nasıl kullanılır?

melt

Verileri Yeniden Şekillendirmek için Neden Pandas'ın melt() Fonksiyonunu Kullanmalısınız?

Bu fonksiyon, internetten bulduğunuz veya size bir meslektaşınız tarafından geniş biçimli veri sunulduğunda, bu verileri işlemek konusunda yararlı olacaktır. Bu verilerin anlaşılması kolaydır, ancak başka bir analiz biçimine çevirmek/yeniden şekilendirmek daha zordur. Örneğin, verileriniz ile bir pivot tablosu oluşturmak istiyorsanız, o zaman melt() fonksiyonu uygulanmış verilere sahip olmak, size çok yardımcı olacaktır.

Örnek Veri Çerçevesi (DataFrame) Yüklemek

Geniş formatta yani sütun sayısı fazla olan örnek bir veri çerçevesi yükleyerek başlayalım:

import pandas as pd

df = pd.DataFrame(
    {'Ad': ['Burak', 'Halil', 'Emre', 'Ersin', 'Sertaç', 'Seydi'],
    'Yaş': [44, 42, 35, 40, 52, 47],
    'Eğitim Durumu': ['Doktora', 'Lisans', 'MBA', 'Yüksek Lisans', 'MBA', 'Lisans'],
    'Kazanç': [100000,120000, 85000, 75000, 95000, 80000]})

Gördüğünüz gibi geniş formatta bir veri setimiz oluştu. Veri setimize göz atalım:

print(df)

	Ad	Yaş	Eğitim Durumu	Kazanç
0	Burak	44	Doktora	100000
1	Halil	42	Lisans	120000
2	Emre	35	MBA	85000
3	Ersin	40	Yüksek Lisans	75000
4	Sertaç	52	MBA	95000
5	Seydi	47	Lisans	80000

Pandas Melt Fonksiyonunun Sözdizimi nedir?

melt() fonksiyonunun/işlevinin genel sözdizimi biçimi şöyle görünür:

pandas.melt(
   dataframe, 
   id_vars=None, 
   value_vars=None, 
   var_name=None, 
   value_name='value', 
   col_level=None
)

Bu parametrelere biraz daha ayrıntılı bakalım:

dataframe= melt() fonksiyonu uygulamak istediğimiz veri çerçevesi (adı)
id_vars= Tanımlayıcı (yani Tekrar etmesini istediğimiz) değişken olarak kullanmak istediğimiz sütun(lar)
value_vars= Çözmek/Şekillendirmek (Filtre uygulamak gibi düşünülebilir) istediğimiz sütunlar. Bu parametre yazılmazsa, id_vars'a atanmayan her bir sütun kullanılır.
var_name= Değişken sütununa verilecek ad.
value_name= Değer sütununa verilecek ad. Bu parametreyi kullanmazsanız, Values kelimesi varsayılan sütun isim olacaktır.
col_level= Eğer sütunlar çoklu dizin ise, melt() fonksiyonu için kullanılacak Sütunü belirtmek için bu parametrekullanılır.

Pandas Melt Fonksiyonunu Kullanarak Verilerimizin Nasıl Tekrar Şekillendirebiliriz?

Veri kümesini çözmek/yeniden şekillendirmek için Pandas melt() fonksiyonunu nasıl kullanabileceğimize bir göz atalım.
Daha önce öğrendiklerimiz gibi, melt() fonksiyonunu kullanmak için bir veri çerçevesi atamamız gerekiyor:

melted = pd.melt(
   df, 
   id_vars = 'Ad', 
   var_name = 'Özellik', 
   value_name = 'Değer')

print(melted)

	Ad	variable	value
0	Burak	Yaş	44
1	Halil	Yaş	42
2	Emre	Yaş	35
3	Ersin	Yaş	40
4	Sertaç	Yaş	52
5	Seydi	Yaş	47
6	Burak	Eğitim Durumu	Doktora
7	Halil	Eğitim Durumu	Lisans
8	Emre	Eğitim Durumu	MBA
9	Ersin	Eğitim Durumu	Yüksek Lisans
10	Sertaç	Eğitim Durumu	MBA
11	Seydi	Eğitim Durumu	Lisans
12	Burak	Kazanç	100000
13	Halil	Kazanç	120000
14	Emre	Kazanç	85000
15	Ersin	Kazanç	75000
16	Sertaç	Kazanç	95000
17	Seydi	Kazanç	80000

Kodlara value_vars parametresini, kod bloğuna dahil etmediğimize dikkat edin. Tüm verilerimizi çözmek/yeniden şekillendirmek istediğimiz için bu parametreyi kullanmadık.

Bu, aşağıdaki kodu yazmakla aynıdır. Bunların her ikisi de aynı (yukarıdaki) çıktıyı verir/döndürür:

melted = pd.melt(
   df, 
   id_vars = 'Ad', 
   value_vars = ['Yaş', 'Eğitim Durumu', 'Kazanç'], 
   var_name = 'Özellik', 
   value_name = 'Değer'
)

print(melted)

SONUÇ

Bu bölümde, Pandas kütüphanesinin melt() fonksiyonu aracılığı ile sadece birkaç satır kod yazarak, geniş bir veri kümesini, pivot_table() ve benzeri yapılarla kolayca işleyip daha fazla analiz yapabilmemizi sağlayacak, çok daha kullanışlı bir veri kümesine dönüştürmenin ne kadar kolay olduğunu öğrendik.

Kaynak

Bu dokümanı datagy.io sayfasındaki bilgilerden yararlanarak hazırladım.

← Önceki Bölüm | Sonraki Bölüm →

mhalil