詳解Pandas中stack()和unstack()的使用技巧
介紹
Pandas 提供了各種用于重塑 DataFrame 的內置方法。其中，stack() 和 unstack() 是最流行的 2 種重組列和行的方法：
- stack()：從列到行堆疊
- unstack()：從行到列取消堆疊
stack() 和 unstack() 似乎使用起來相當簡單，但你仍然應該知道一些技巧來加快數據分析。
在本文中，我將分享 Pandas 的幾個技巧：
- 單層
- 多層次：簡單案例
- 多層次：缺失值
- 多個級別：指定要堆疊的級別
- 多個級別：刪除缺失值
- unstack: 簡單案例
- unstack：更多用法
1.單層
最簡單的 stack()可以應用于具有單層列的 DataFrame。它只是將標簽從列堆疊到行并輸出一個系列。
df_single_level = pd.DataFrame(
[['Mostly cloudy', 10], ['Sunny', 12]],
index=['London', 'Oxford'],
columns=['Weather', 'Wind']
)
df_single_level.stack()
2.多層次：簡單案例
通常，我們會在具有多級列的 DataFrame 上使用 stack()。
讓我們創(chuàng)建一個 DataFrame。有多種方法可以創(chuàng)建具有多級列的 DataFrame，最簡單的方法之一是創(chuàng)建 MultiIndex 對象 MultiIndex.from_tuples() 并將結果傳遞給 pd.DataFrame() 中的 columns 參數：
multi_col_1 = pd.MultiIndex.from_tuples(
[('Wind', 'mph'), ('Wind', 'm/s')]
)
df_multi_level_1 = pd.DataFrame(
[[13, 5.5], [19, 8.5]],
index=['London', 'Oxford'],
columns=multi_col_1
)
通過調用 stack()，它將獲取列級別(mph, m/s) 并將其堆疊到行軸上。
df_multi_level_1.stack() # Same as df_multi_level_1.stack(level=-1) df_multi_level_1.stack(-1)
在幕后，它根據參數 level 運行操作。 參數 level 默認為 -1 ，它采用最內層并將其從列軸堆疊到行軸上。
3. 多層次：缺失值
在堆疊具有多級列的 DataFrame 時，通常會出現缺失值。讓我們創(chuàng)建另一個 DataFrame 示例：
multi_col_2 = pd.MultiIndex.from_tuples(
[('Wind', 'mph'), ('Temperature', '°C')]
)
df_multi_level_2 = pd.DataFrame(
[[13, 8], [19, 6]],
index=['London', 'Oxford'],
columns=multi_col_2
)
df_multi_level_2.stack()
與前面的示例 multi_col_1 在第一級中具有相同的值“Wind”不同，multi_col_2 具有 2 個不同的值“Wind”和“Temperature”。 現在，我們得到了缺失值，因為堆疊的 DataFrame 比原始 DataFrame 有更多的值，并且缺失值用 NaN 填充。
4. 多層次：規(guī)定要堆疊的層次
stack() 中的第一個參數是 level，它控制堆疊的級別。 讓我們創(chuàng)建一個具有 2 個不同級別的 MultiIndex：
multi_col_2 = pd.MultiIndex.from_tuples(
[('Wind', 'mph'), ('Temperature', '°C')]
)
# Level 0
multi_col_2.get_level_values(0)
# Index(['Wind', 'Temperature'], dtype='object')
# Level 1
multi_col_2.get_level_values(1)
# Index(['mph', '°C'], dtype='object')
我們可以傳遞一個數字來規(guī)定要堆疊的級別。 要規(guī)定要堆疊的多個級別，我們可以傳遞一個列表：
df_multi_level_2.stack(0) df_multi_level_2.stack([0, 1]) df_multi_level_2.stack([1, 0])
5. 多層次：刪除缺失值
默認情況下，調用 stack() 時會刪除所有值缺失的行，可以通過將 dropna 設置為 False 來控制此行為：
df_multi_level_3 = pd.DataFrame(
[[None, 10], [11, 7.0]],
index=['London', 'Oxford'],
columns=multi_col_2
)
df_multi_level_3.stack()
df_multi_level_3.stack(dropna=False)
6. unstack: 簡單案例
同樣，Pandas unstack() 也支持參數級別，默認為 -1，它將對最內層索引應用操作。
index = pd.MultiIndex.from_tuples([
('Oxford', 'Temperature'),
('Oxford', 'Wind'),
('London', 'Temperature'),
('London', 'Wind')
])
s = pd.Series([1,2,3,4], index=index)
通過在具有 MultiIndex 的 Series 上調用 unstack()，它會將最內層的索引取消堆疊到列上。 要指定要取消堆疊的級別，我們可以傳遞級別編號：
s.unstack() # It's equivalent to s.unstack(level=-1) # Unstack a specific level s.unstack(level=0)
7. unstack：更多用法
通常，我們會在更多級別上使用 unstack()。
讓我們看一個具有 3 個級別的示例：
index = pd.MultiIndex.from_tuples([
('Oxford', 'Weather', '01-01-2022'),
('Oxford', 'Temperature', '01-01-2022'),
('Oxford', 'Weather', '02-01-2022'),
('Oxford', 'Temperature', '02-01-2022'),
('London', 'Weather', '01-01-2022'),
('London', 'Temperature', '01-01-2022'),
('London', 'Weather', '02-01-2022'),
('London', 'Temperature', '02-01-2022'),
])
s = pd.Series(
['Sunny', 10, 'Shower', 7, 'Shower', 5, 'Sunny', 8],
index=index
)
通過調用 unstack()，它將最里面的索引解棧到列中。
例如，我們可以使用方法鏈來運行另一個 unstack() 或傳遞一個列表
# Method chaining df.unstack().unstack() df.unstack().unstack().unstack() # The equivalent df.unstack([2,1]) df.unstack([2,1,0])
結論
在本文中，我們介紹了 7 個使用 Pandas 的 stack()和 unstack() 重塑 DataFrame 的用例，該方法本身非常易于使用，并且是在數據預處理中操縱數據的最受歡迎的方法之一。
到此這篇關于詳解Pandas中stack()和 unstack()的使用技巧的文章就介紹到這了,更多相關Pandas stack() unstack()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！
相關文章
這篇文章主要為大家詳細介紹了如何基于PyQt5開發(fā)一個視頻水印批量添加工具,旨在為多個視頻文件添加文本水印,感興趣的小伙伴可以參考一下2025-02-02
Python基于easygui實現pdf和word轉換小程序
這篇文章主要為大家詳細介紹了Python如何基于easygui實現pdf和word轉換小程序,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下2024-04-04
今天小編就為大家分享一篇解決python字典對值(值為列表)賦值出現重復的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
今天小編就為大家分享一篇Anaconda下安裝mysql-python的包實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
round()函數是Python中用于對浮點數進行四舍五入的內置函數,這篇文章詳細介紹了round()函數的基本用法、參數詳解、特殊情況處理以及應用場景,并提供了豐富的示例代碼,需要的朋友可以參考下2024-11-11
虛擬環(huán)境是一個獨立的Python環(huán)境,它與系統(tǒng)的全局Python環(huán)境隔離,這篇文章主要介紹了Python中venv虛擬環(huán)境的相關資料,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2025-04-04
這篇文章主要介紹了Python基于pyecharts實現關聯圖繪制,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,需要的朋友可以參考下2020-03-03
Python3下錯誤AttributeError: ‘dict’ object has no attribute’ite
這篇文章主要跟大家介紹了關于在Python3下錯誤AttributeError: 'dict' object has no attribute 'iteritems'的分析與解決方法，文中介紹的非常詳細，對大家具有一定的參考學習價值，需要的朋友們下面來一起看看吧。2017-07-07
這篇文章主要介紹了Python探索之URL Dispatcher實例詳解，還是比較不錯的，這里分享給大家，供需要的朋友參考。2017-10-10
這篇文章主要介紹了python多進程并行代碼實例,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,需要的朋友可以參考下2019-09-09