python?DataFrame中stack()方法、unstack()方法和pivot()方法淺析
1.stack()
stack()用于將列索引轉(zhuǎn)換為最內(nèi)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(shè)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(biāo)', 'B指標(biāo)', 'C指標(biāo)'])
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(biāo)，B指標(biāo)，C指標(biāo)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(chǔ)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(chǔ)上，對上邊的df繼續(xù)調(diào)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(diào)整：
不設(shè)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(biāo)', 'B指標(biāo)', 'C指標(biāo)'])
print(df)
df2 = df.pivot(index='編號', columns='類別', values='A指標(biāo)') print(df2)
index和columns分別指設(shè)定那一列的值為index，設(shè)置那一列的值為columns。values指表格要體現(xiàn)的指標(biāo)。
df3 = df.pivot(index='類別', columns='編號', values='A指標(biāo)') print(df3)
總結(jié)
到此這篇關(guān)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(guān)DataFrame stack()、unstack()和pivot()內(nèi)容請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！
- 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(shè)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(zhuǎn)化為nan缺失值字樣
- python數(shù)據(jù)分析之DataFrame內(nèi)存優(yōu)化
- python中Array和DataFrame相互轉(zhuǎn)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(guān)文章
這篇文章主要介紹了python模塊之paramiko，分享了相關(guān)代碼示例，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下2018-01-01
本文主要介紹了python中rasterio的安裝和使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-04-04
Flask創(chuàng)建并運行數(shù)據(jù)庫遷移的實現(xiàn)過程
Flask創(chuàng)建并運行數(shù)據(jù)庫遷移的過程是一個涉及多個步驟的操作,旨在幫助開發(fā)者在開發(fā)過程中管理數(shù)據(jù)庫模式的變化,而不需要手動地刪除和重建數(shù)據(jù)庫表,從而避免數(shù)據(jù)丟失,以下是一個詳細的步驟說明,需要的朋友可以參考下2024-09-09
python實現(xiàn)分析apache和nginx日志文件并輸出訪客ip列表的方法
這篇文章主要介紹了python實現(xiàn)分析apache和nginx日志文件并輸出訪客ip列表的方法,涉及Python操作日志文件的技巧,非常具有實用價值,需要的朋友可以參考下2015-04-04
Python生成驗證碼、計算具體日期是一年中的第幾天實例代碼詳解
這篇文章主要介紹了Python生成驗證碼、計算具體日期是一年中的第幾天,本文通過實例代碼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2019-10-10
VLAN(Virtual Local Area Network)，是基于以太網(wǎng)交互技術(shù)構(gòu)建的虛擬網(wǎng)絡(luò)，既可以將同一物理網(wǎng)絡(luò)劃分成多個VALN，也可以跨越物理網(wǎng)絡(luò)障礙，將不同子網(wǎng)中的用戶劃到同一個VLAN中。這篇文章主要介紹了Python黑帽編程 3.4 跨越VLAN 的相關(guān)資料，需要的朋友參考下2016-09-09
python讀取json文件并將數(shù)據(jù)插入到mongodb的方法
這篇文章主要介紹了python讀取json文件并將數(shù)據(jù)插入到mongodb的方法,實例分析了Python操作json及mongodb數(shù)據(jù)庫的技巧,需要的朋友可以參考下2015-03-03
利用python計算均值、方差和標(biāo)準差(Numpy和Pandas)
這篇文章主要給大家介紹了關(guān)于利用python計算均值、方差和標(biāo)準差的相關(guān)資料,Numpy在Python中是一個通用的數(shù)組處理包,它提供了一個高性能的多維數(shù)組對象和用于處理這些數(shù)組的工具,它是使用Python進行科學(xué)計算的基礎(chǔ)包,需要的朋友可以參考下2023-11-11
這篇文章主要介紹了如何利用Python制作一個多進制轉(zhuǎn)換工具，可以實現(xiàn)2進制、4進制、8進制、10進制、16進制、32進制直接的互轉(zhuǎn)，需要的可以參考一下2022-02-02
本文主要介紹了exe反編譯為.py文件的方法，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03