最新Django3.1大神之路视频!长达77小时、17G、233节 ,全方位无死角深入源码的专注教程!包含完整的模型层、数据迁移、 类视图、异步视图、日志、认证权限和开发工具等更多文字教程未包含的内容。免费章节pan.baidu.com/s/1dqGWNwmBnLxhM7DnXiePIQ 提取码:ko4y 。查看视频介绍点我

重塑

阅读: 1831     评论:1

对表格型数据进行重新排列的操作,被称作重塑或者透视。

使用多层索引进行重塑主要有stack和unstack操作,前面有介绍过。

In [93]: df = pd.DataFrame(np.arange(6).reshape(2,3),
    ...: index=pd.Index(['河南','山西'], name='省份'),
    ...: columns=pd.Index(['one','two','three'],name='number'))

In [94]: df
Out[94]:
number  one  two  three
省份
河南        0    1      2
山西        3    4      5

In [95]: result = df.stack() 

In [96]: result
Out[96]:
省份  number
河南  one       0
    two       1
    three     2
山西  one       3
    two       4
    three     5
dtype: int32

In [97]: result.unstack()
Out[97]:
number  one  two  three
省份
河南        0    1      2
山西        3    4      5

stack操作使得df的所有列都变成了分层行索引,产生了一个新的Series。

unstack默认情况下拆分最内层索引,然后将数据放入一个DataFrame中。可以传入一个层级序号或名称来拆分不同的层级。

In [98]: result.unstack(0)
Out[98]:
省份      河南  山西
number
one      0   3
two      1   4
three    2   5

In [99]: result.unstack('省份')
Out[99]:
省份      河南  山西
number
one      0   3
two      1   4
three    2   5

如果层级中的所有值并未有包含于每个子分组中,拆分可能会导致缺失值的产生:

In [100]: s1 = pd.Series([0, 1, 2, 3], index=['a', 'b', 'c', 'd'])

In [101]: s2 = pd.Series([4, 5, 6], index=['c', 'd', 'e'])

In [102]: data2 = pd.concat([s1, s2], keys=['one', 'two'])

In [103]: data2  # 注意concat的结果是一个分层索引
Out[103]:
one  a    0
     b    1
     c    2
     d    3
two  c    4
     d    5
     e    6
dtype: int64

In [104]: data2.unstack()
Out[104]:
       a    b    c    d    e
one  0.0  1.0  2.0  3.0  NaN
two  NaN  NaN  4.0  5.0  6.0

In [105]: data2.unstack().stack() # 结果是可逆的
Out[105]:
one  a    0.0
     b    1.0
     c    2.0
     d    3.0
two  c    4.0
     d    5.0
     e    6.0
dtype: float64

In [106]: data2.unstack().stack(dropna=False) # 保留缺失值
Out[106]:
one  a    0.0
     b    1.0
     c    2.0
     d    3.0
     e    NaN
two  a    NaN
     b    NaN
     c    4.0
     d    5.0
     e    6.0
dtype: float64

而在DataFrame对象拆堆时,被拆的层级会变成结果中最低的层级:

In [107]: df = pd.DataFrame({'left': result, 'right': result + 5},
     ...:                   columns=pd.Index(['left', 'right'], name='side'))
     ...:

In [108]: df
Out[108]:
side       left  right
省份 number
河南 one        0      5
   two        1      6
   three      2      7
山西 one        3      8
   two        4      9
   three      5     10

In [109]: df.unstack('省份') # 因为作死引入了中文,所以版式不太对齐
Out[109]:
side   left    right
省份       河南 山西    河南  山西
number
one       0  3     5   8
two       1  4     6   9
three     2  5     7  10

 粘合与堆叠 Matplotlib 

评论总数: 1


点击登录后方可评论

user_image

多层索引Series才能用unstack(单层的会报错);单层索引DataFrame用unstack和用stack作用一样,多层索引的用unstack才是拆堆操作。