python?DataFrame中stack()方法、unstack()方法和pivot()方法淺析
更新時間：2022年04月06日 09:56:01 作者：侯小啾
這篇文章主要給大家介紹了關于python?DataFrame中stack()方法、unstack()方法和pivot()方法的相關資料,pandas中這三種方法都是用來對表格進行重排的,其中stack()是unstack()的逆操作,需要的朋友可以參考下
1.stack()
stack()用于將列索引轉換為最內層的行索引，這樣敘述比較抽象，看示例就容易理解啦：
準備一組數(shù)據(jù)，給其設置雙索引。
import pandas as pd
data = [['A類', 'a1', 123, 224, 254], ['A類', 'a2', 234, 135, 444], ['A類', 'a3', 345, 241, 324],
['B類', 'b1', 112, 412, 466], ['B類', 'b2', 224, 235, 345], ['B類', 'b3', 369, 214, 352],
['C類', 'c1', 236, 251, 485], ['C類', 'c2', 378, 216, 515], ['C類', 'c3', 135, 421, 312],
['D類', 'd1', 306, 325, 496], ['D類', 'd2', 147, 235, 524], ['D類', 'd3', 520, 222, 267]]
df = pd.DataFrame(data=data, columns=['類別', '編號', 'A指標', 'B指標', 'C指標'])
df = df.set_index(['類別', '編號'])
print(df)
df = df.stack() print(df)
如圖，成功將索引列之外的 A指標，B指標，C指標三列放在了同一列。
此時的df，不再是一個DataFrame，而變?yōu)榱艘粋€Series對象。：
print(type(df))
該Series的index列不同于原DataFrame的index列，而是在原DataFrame的index列的基礎上，又增加了從右邊合并過來的部分：
print(df.index)
此時Values為：
print(df.values)
2. unstack()
unstack是stack的逆向操作。
在上述示例的代碼的基礎上，對上邊的df繼續(xù)調用unstack()方法：
df1 = df.unstack() print(df1)
可以看到unstack變回了原來的樣子。
3. pivot()
這里對于上邊例子中的數(shù)據(jù)稍作調整：
不設置多重索引
import pandas as pd
data = [['A類', '1', 123, 224, 254], ['A類', '2', 234, 135, 444], ['A類', '3', 345, 241, 324],
['B類', '1', 112, 412, 466], ['B類', '2', 224, 235, 345], ['B類', '3', 369, 214, 352],
['C類', '1', 236, 251, 485], ['C類', '2', 378, 216, 515], ['C類', '3', 135, 421, 312],
['D類', '1', 306, 325, 496], ['D類', '2', 147, 235, 524], ['D類', '3', 520, 222, 267]]
df = pd.DataFrame(data=data, columns=['類別', '編號', 'A指標', 'B指標', 'C指標'])
print(df)
df2 = df.pivot(index='編號', columns='類別', values='A指標') print(df2)
index和columns分別指設定那一列的值為index，設置那一列的值為columns。values指表格要體現(xiàn)的指標。
df3 = df.pivot(index='類別', columns='編號', values='A指標') print(df3)
總結
到此這篇關于python DataFrame中stack()方法、unstack()方法和pivot()方法的文章就介紹到這了,更多相關DataFrame stack()、unstack()和pivot()內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
- python?pandas分割DataFrame中的字符串及元組的方法實現(xiàn)
- python?DataFrame數(shù)據(jù)分組統(tǒng)計groupby()函數(shù)的使用
- python DataFrame數(shù)據(jù)格式化(設置小數(shù)位數(shù)，百分比，千分位分隔符)
- python用dataframe將csv中的0值數(shù)據(jù)轉化為nan缺失值字樣
- python數(shù)據(jù)分析之DataFrame內存優(yōu)化
- python中Array和DataFrame相互轉換的實例講解
- python將Dataframe格式的數(shù)據(jù)寫入opengauss數(shù)據(jù)庫并查詢
相關文章
Python 如何優(yōu)雅的將數(shù)字轉化為時間格式的方法
這篇文章主要介紹了Python 如何優(yōu)雅的將數(shù)字轉化為時間格式的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-09-09
python卸載numpy出現(xiàn)WinError:拒絕訪問的解決方案
這篇文章主要介紹了python卸載numpy出現(xiàn)WinError:拒絕訪問的解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了在PyQt中使用QProcess運行一個進程,本例中通過按下按鈕，啟動了windows系統(tǒng)自帶的記事本程序，即notepad.exe, 因為它在windows的系統(tǒng)目錄下，該目錄已經加在了系統(tǒng)的PATH環(huán)境變量中，所以不需要特別指定路徑，需要的朋友可以參考下2022-12-12
Python中super().__init__()測試以及理解
__init__()一般用來創(chuàng)建對象的實例變量,或一次性操作,super()用于調用父類的方法,可用來解決多重繼承問題,下面這篇文章主要給大家介紹了關于Python中super().__init__()測試及理解的相關資料,需要的朋友可以參考下2021-12-12![python中數(shù)組nums[:]和nums的區(qū)別](http://img.jbzj.com/images/xgimg/bcimg4.png)
python中數(shù)組nums[:]和nums的區(qū)別
本文主要介紹了python中數(shù)組nums[:]和nums的區(qū)別，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-07-07
這篇文章主要介紹了python中的數(shù)據(jù)結構比較，本文給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2019-05-05
這篇文章主要為大家介紹了HttpRunner3的HTTP請是如何發(fā)出詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-07-07
本文介紹了Django ORM的優(yōu)缺點，然后介紹了使用原生SQL進行查詢的優(yōu)點，包括更靈活、更高效等。接著介紹了如何在Django中使用原生SQL進行查詢，包括利用Django的connection對象進行查詢以及使用Django的CursorWrapper類進行封裝。最后提醒了使用原生SQL查詢的注意事項。2023-04-04
pip更新問題的解決:'python -m pip install -
這篇文章主要介紹了pip更新問題的解決:'python -m pip install --upgrade pip' 報錯問題，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2023-04-04
如何基于opencv實現(xiàn)簡單的數(shù)字識別
現(xiàn)在很多場景需要使用的數(shù)字識別,比如銀行卡識別,以及車牌識別等,在AI領域有很多圖像識別算法,大多是居于opencv 或者谷歌開源的tesseract 識別,下面這篇文章主要給大家介紹了關于如何基于opencv實現(xiàn)簡單的數(shù)字識別,需要的朋友可以參考下2021-09-09