Pandas使用stack和pivot實(shí)現(xiàn)數(shù)據(jù)透視的方法
前言
筆者最近正在學(xué)習(xí)Pandas數(shù)據(jù)分析，將自己的學(xué)習(xí)筆記做成一套系列文章。本節(jié)主要記錄Pandas中使用stack和pivot實(shí)現(xiàn)數(shù)據(jù)透視。
一、經(jīng)過(guò)統(tǒng)計(jì)得到多維度指標(biāo)數(shù)據(jù)
非常場(chǎng)景的統(tǒng)計(jì)場(chǎng)景，指定多個(gè)維度，計(jì)算聚合后的指標(biāo)
實(shí)例：統(tǒng)計(jì)得到“電影評(píng)分?jǐn)?shù)據(jù)集”，每個(gè)月份的每個(gè)分?jǐn)?shù)被評(píng)分多少次:(月份、分?jǐn)?shù)1-5、次數(shù))
import pandas as pd
import numpy as np
%matplotlib inline
df=pd.read_csv(
"./datas/ml-1m/ratings.dat",
sep="::",
engine='python',
names='UserID::MovieID::Rating::Timestamp'.split("::"),
header=None
)
df.head()
#將時(shí)間戳轉(zhuǎn)換為具體的時(shí)間
df['padate']=pd.to_datetime(df["Timestamp"],unit='s')
df.head()
df.dtypes
#實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)
# 對(duì)于這樣格式的數(shù)據(jù)，我想查看按月份，不同評(píng)分的次數(shù)趨勢(shì)，是沒(méi)有辦法進(jìn)行實(shí)現(xiàn)的，需要將數(shù)據(jù)轉(zhuǎn)換為每個(gè)評(píng)分是一列才可以實(shí)現(xiàn)。
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum)
df_group.head(20)
二、使用unstack實(shí)現(xiàn)數(shù)據(jù)的二維透視
目的： 想要畫(huà)圖對(duì)比按照月份的不同評(píng)分的數(shù)量趨勢(shì)
df_stack=df_group.unstack() df_stack df_stack.plot() #unstack和stack是互逆的操作 df_stack.stack().head(20)
三、使用pivot簡(jiǎn)化透視
pivot方法相當(dāng)于對(duì)df使用set_index創(chuàng)建分層索引，然后調(diào)用unstack
df_group.head(20)
df_reset=df_group.reset_index()
df_reset.head()
df_pivot=df_reset.pivot("padate","Rating","pv")
df_pivot.head()
df_pivot.plot()
四、stack、unstack、pivot的語(yǔ)法
1.stack
stack:DataFrame.stack(level=-1,dropna=True),將column變成index，類(lèi)似把橫放的書(shū)籍變成豎放
level=-1代表多層索引的最內(nèi)層，可以通過(guò)==0,1,2指定多層索引的對(duì)應(yīng)層
2.unstack
unstack:DataFrame.unstack(level=-1,fill_value=None)，將index變成column，類(lèi)似把豎放的書(shū)變成橫放
3.pivot
pivot:DataFrame.pivot(index=None,columns=None,values=None)，指定index,columns,values實(shí)現(xiàn)二維透視
總結(jié)
到此這篇關(guān)于Pandas使用stack和pivot實(shí)現(xiàn)數(shù)據(jù)透視的方法的文章就介紹到這了,更多相關(guān)Pandas stack和pivot數(shù)據(jù)透視內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python傳到前端的數(shù)據(jù),雙引號(hào)被轉(zhuǎn)義的問(wèn)題
這篇文章主要介紹了python傳到前端的數(shù)據(jù),雙引號(hào)被轉(zhuǎn)義的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04
django中操作mysql數(shù)據(jù)庫(kù)的方法
對(duì)象關(guān)系映射模式是一種為了解決面向?qū)ο笈c關(guān)系數(shù)據(jù)庫(kù)存在的互不匹配的現(xiàn)象的技術(shù)，這篇文章主要介紹了django中操作mysql數(shù)據(jù)庫(kù)的方法,需要的朋友可以參考下2022-09-09
關(guān)于networkx返回圖的鄰接矩陣問(wèn)題
這篇文章主要介紹了關(guān)于networkx返回圖的鄰接矩陣問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-12-12
python反編譯學(xué)習(xí)之字節(jié)碼詳解
這篇文章主要給大家介紹了關(guān)于python反編譯學(xué)習(xí)之字節(jié)碼的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05
python ftp 按目錄結(jié)構(gòu)上傳下載的實(shí)現(xiàn)代碼
這篇文章主要介紹了python ftp 按目錄結(jié)構(gòu)上傳下載的實(shí)現(xiàn)代碼,需要的朋友可以參考下2018-09-09
使用Python給Excel工作表設(shè)置背景色或背景圖
Excel是工作中數(shù)據(jù)處理和分析數(shù)據(jù)的重要工具,面對(duì)海量的數(shù)據(jù)和復(fù)雜的表格,如何提高工作效率、減少視覺(jué)疲勞并提升數(shù)據(jù)的可讀性是不容忽視的問(wèn)題,而給工作表設(shè)置合適的背景是表格優(yōu)化的一個(gè)有效方式,本文將介紹如何用Python給Excel工作表設(shè)置背景色或背景圖2024-07-07
這篇文章主要介紹了python通配符之glob模塊的使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-04-04
Python實(shí)現(xiàn)批量將PPT轉(zhuǎn)換成長(zhǎng)圖
這篇文章主要為大家詳細(xì)介紹了如何利用Python實(shí)現(xiàn)批量將PPT轉(zhuǎn)換成長(zhǎng)圖,并且圖片名稱(chēng)與PPT文件名稱(chēng)相同,保存位置相同,感興趣的小伙伴可以了解下2023-08-08
淺談python連續(xù)賦值可能引發(fā)的錯(cuò)誤
今天小編就為大家分享一篇淺談python連續(xù)賦值可能引發(fā)的錯(cuò)誤，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-11-11
pycharm安裝opencv-python報(bào)錯(cuò)的解決
本文主要介紹了pycharm安裝opencv-python報(bào)錯(cuò)的解決，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-07-07