En esta clase aprendí que los datos pueden organizarse en formato wide (más columnas, útil para almacenar cuestionarios o encuestas) y en formato long (más filas, útil para análisis como series temporales). Con Pandas podemos transformar fácilmente de wide a long usando el método melt(), indicando las columnas que se mantienen (id_vars) y las que se convierten en registros (value_vars). Esto permite preparar la base de datos para un análisis más eficiente.
¡Hola Estudiante, espero que estés bien!
Me alegra que estés explorando los formatos de datos wide y long en Pandas. Como mencionaste, el método melt() es una herramienta poderosa para transformar datos de un formato wide a un formato long, lo que facilita ciertos tipos de análisis, especialmente cuando se trabaja con series temporales o datos experimentales.
Por ejemplo, si tienes un DataFrame en formato wide como este:
import pandas as pd
data = {'Nivel 1 - Sector': ['Processos industriais', 'Processos industriais', 'Mudança de Uso da Terra e Floresta'],
'2017': [897.6, 130.0, 378.03],
'2018': [758.0, 168.0, 388.89],
'2019': [902.0, 98.0, 452.0],
'2020': [804.0, 125.0, 935.0],
'2021': [870.0, 134.0, 1047.0]}
df_wide = pd.DataFrame(data)
Puedes transformarlo a formato long usando melt() de la siguiente manera:
df_long = df_wide.melt(id_vars=['Nivel 1 - Sector'],
var_name='Año',
value_name='Emision')
print(df_long)
Esto te dará un DataFrame donde cada año y su respectiva emisión se representan en filas separadas, lo que es ideal para análisis temporales.
Espero que este ejemplo te sea útil para entender mejor cómo trabajar con estos formatos en Pandas. ¡Espero haber ayudado y buenos estudios!