Pandas 旋转数据

Pandas 旋转数据，实际应用中，按行或列调整元素并不总能满足目标，有时，需要按照行重新调整列的元素或者按照列调整行的元素，本章介绍DataFrame转置,通过stack()和unstack()实现按索引旋转，pivot()实现长格式向宽格式的旋转。

DataFrame 转置

pandas教程中的DataFrame 属性和方法有简单介绍DataFrame转置，转置实现行和列的交换，通过T完成，如下所示：

import pandas as pd

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
df = pd.DataFrame(d)
print (df)
print('------------')
print (df.T)

输出结果如下:

按等级索引旋转

前面讲过，DataFrame对象支持等级索引,利用这一点，可以重新调整DataFrame对象中的数据，轴向旋转有两个基础操作。

• 入栈(Stacking)：旋转数据结构，把列转换为行。
• 出栈(unStacking):把行转换为列。

如下所示,对DataFrame()对象应用stack()函数，会把列转换为行，从而得到一个Series对象。

import pandas as pd
import numpy as np

dframe = pd.DataFrame(np.arange(9).reshape(3,3),
                      index=['white', 'black', 'red'],
                      columns=['ball', 'pen', 'pencil'])
print(dframe)
print('------------')
print(dframe.stack())

输出结果如下：

在这个具有等级索引结构的Series对象上执行unstack()操作，可以重建之前的DataFrame对象，从而可以以数据透视表的形式来展示Series对象中的等级索引结构。

import pandas as pd
import numpy as np

dframe = pd.DataFrame(np.arange(9).reshape(3,3),
                      index=['white', 'black', 'red'],
                      columns=['ball', 'pen', 'pencil'])
ser = dframe.stack()
print(ser.unstack())

输出结果如下:

出栈操作可以应用不同的层级，为unstack()函数传入表示层级的编号或名称，即可对相应层级进行操作，如下所示：

import pandas as pd
import numpy as np

dframe = pd.DataFrame(np.arange(9).reshape(3,3),
                      index=['white', 'black', 'red'],
                      columns=['ball', 'pen', 'pencil'])
ser = dframe.stack()
print(ser.unstack(0))
print('------------')
print(ser.unstack(1))

输出结果如下：

长格式向宽格式旋转

如果数据来自仪器的读数，或是通过迭代计算得到的，或是由人工输入的一系列元素组成，该类数据集的特点是各列都有数据项，每列后面的数据常常会跟前面的有所重复，并且这类数据常常为列表形式，可以把它称作长格式或栈格式，如下所示：

import pandas as pd
import numpy as np

dframe = pd.DataFrame({'color':['white', 'white', 'white', 'red', 'red', 'red', 'black', 'black', 'black'],
                       'item':['ball', 'pen', 'mug', 'ball', 'pen', 'mug', 'ball', 'pen', 'mug'],
                       'value': np.random.rand(9)})
print(dframe)

输出结果如下:

因为一些字段具有多样性和重复性，这种格式的数据可读性比较差，出了长格式，还有一种把数据调整为列表形式的宽格式。这种模式可读性强，占用空间比较少，一般而言，用它存储效率也更高。

Pandas 提供了能够把长格式DataFrame转换成宽格式的pivot()函数，它以用作键的一列或多列作为参数，如下所示：

import pandas as pd
import numpy as np

longframe = pd.DataFrame({'color':['white', 'white', 'white', 'red', 'red', 'red', 'black', 'black', 'black'],
                       'item':['ball', 'pen', 'mug', 'ball', 'pen', 'mug', 'ball', 'pen', 'mug'],
                       'value': np.random.rand(9)})
print(longframe)
print('------------')
wideframe = longframe.pivot('color', 'item')
print(wideframe)

输出结果如下：

如上所示，宽格式的DataFrame对象更加紧凑，可读性也更强。