学习目标
- 掌握melt函数整理数据的方法
- 掌握stack、unstack的用法
- 掌握wide_to_long函数的用法
1 melt整理数据
- 加载美国收入与宗教信仰数据
import pandas as pd
pew = pd.read_csv('data/pew.csv')
pew
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M9AL0Mxo-1630413533985)(./img/整理数据-01.png)]
- 先执行下面的代码,将输出的结果和上面的输出结果进行对比
pew_long = pd.melt(pew, id_vars='religion')
print(pew_long)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k8k6k7Xy-1630413533988)(./img/整理数据-02.png)]
- 我们发现,基于religion列,把原来的df拉长了,我们称原来的df为
宽数据集
,拉长之后的df称之为长数据集
- 对于展示数据而言,下图中
pwe
返回的这种”宽”数据没有任何问题,如第一行数据,展示了Agnostic(不可知论(者))所有的收入分布情况 - 从数据分析的角度,有时候我们需要把数据由”宽”数据,转换成”长”数据,就如同下图中
pew_long
返回的数据 - 在pandas中我们就可以使用
df.melt()
函数,通过各种参数,来达成宽数据集转换为长数据集的效果
pew
pew_long.sort_values('religion').head(20)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-70xRGPJW-1630413533989)(./img/整理数据-03.png)]
- melt 是溶解/分解的意思, 即拆分数据;melt即是类函数也是实例函数,也就是说既可以用
pd.melt()
, 也可使用dataframe.melt()
参数类型说明framedataframe必要参数,被 melt 的数据集名称在 pd.melt() 中使用,比如上例中
id_varstuple/list/ndarray可选项,
,在转换后作为标识符列(不是索引列),比如上例
value_varstuple/list/ndarray可选项,
,如果未指明value_vars,除id_vars指定的其他列都将被转换var_namestring自定义设置variable列的列名value_namestring自定义设置value列的列名
- 比如,可以更改melt之后的数据的列名
pew_long = pd.melt(pew, id_vars='religion', var_name='income', value_name='count')
pew_long.head()
religion income count
0 Agnostic <$10k 27
1 Atheist <$10k 12
2 Buddhist <$10k 27
3 Catholic <$10k 418
4 Don't know/refused <$10k 15
- 加载数据
bill_board = pd.read_csv('data/billboard.csv')
bill_board.head()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kxycQyGF-1630413533992)(./img/长宽数据集练习-01.png)]
- 经观察思考,最终结果如下图
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yuzqNuA9-1630413533999)(./img/长宽数据集练习-02.png)]
- 在使用melt函数转换数据的时候,也可以固定多数列,只转换少数列;对上面数据的周评分进行处理,转换成长数据
bill_borad_long = pd.melt(
bill_board,
id_vars=['year','artist','track','time','date.entered'],
var_name='week',
value_name='rating'
)
bill_borad_long
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JpKKgBNg-1630413534000)(./img/长宽数据集练习-03.png)]
2 stack整理数据
- pandas进行数据重排时,经常用到stack和unstack两个函数。stack的意思是堆叠、堆积,unstack即”不要堆叠”
- 常见的数据的层次化结构有两种,一种是表格,一种是”花括号”,即下面这样的l两种形式:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-516bkzlH-1630413534001)(./img/stack函数-1.png)]
- stack函数会将数据从”表格结构”变成”花括号结构”(返回的是series类型),即将其行索引变成列索引,反之,unstack函数将数据从”花括号结构”变成”表格结构”,即要将其中一层的列索引变成行索引
接下来我们就来感受一下stack函数的使用,本节无需理会数据集本身的业务
- 加载state_fruit数据集
state_fruit = pd.read_csv('data/state_fruit.csv', index_col=0)
state_fruit
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uXDLMYdl-1630413534002)(./img/stack函数-2.png)]
- 使用
df.stack()
函数,查看返回结果
state_fruit_series = state_fruit.stack()
print(state_fruit_series)
print(type(state_fruit_series))
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fnUH4HuO-1630413534002)(./img/stack函数-3.png)]
- 此时可以使用
reset_index()
,将结果变为DataFrame
state_fruit_tidy = state_fruit.stack().reset_index()
state_fruit_tidy
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zlXt6kTW-1630413534003)(./img/stack函数-4.png)]
- 给列重新命名
state_fruit_tidy.columns = ['state', 'fruit', 'weight']
state_fruit_tidy
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HYnjKLuG-1630413534004)(./img/stack函数-5.png)]
- 也可以使用rename_axis给不同的行索引层级命名
state_fruit.stack().rename_axis(['state', 'fruit'])
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-12PzjHYt-1630413534004)(./img/stack函数-6.png)]
- 再次使用reset_index方法
state_fruit.stack().rename_axis(['state', 'fruit']).reset_index()
state_fruit.stack().rename_axis(['state', 'fruit']).reset_index(name='weight')
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LKfNjBJR-1630413534005)(./img/stack函数-7.png)]
- unstack函数
state_fruit_series.unstack()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wxrU0sim-1630413534006)(./img/stack函数-2.png)]
3 wide_to_long整理数据
我们通过一个数据整理的具体需求来学习 wide_to_long 函数,需求:
- 加载
data/movie.csv
数据,统计每部电影的每个主演的被点赞数,返回新的df -
新df的列名为 movie_title、 actor_num、 actor、 actor_facebook_likes;分别代表电影名称、演员编号、演员姓名、该演员被点赞数
-
加载数据
movie = pd.read_csv('data/movie.csv')
movie.head()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HYToI6dp-1630413534006)(./img/wide2long-1.png)]
- 去除无关字段
actor = movie[[
'movie_title', 'actor_1_name', 'actor_2_name', 'actor_3_name',
'actor_1_facebook_likes', 'actor_2_facebook_likes', 'actor_3_facebook_likes'
]]
actor.head()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-21Xqba9D-1630413534007)(./img/wide2long-2.png)]
- 整理列名
actor2 = actor.copy()
actor2.columns = [
'movie_title', 'actor_1', 'actor_2', 'actor_3',
'actor_facebook_likes_1', 'actor_facebook_likes_2', 'actor_facebook_likes_3'
]
actor2.head()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xI2IRQjU-1630413534008)(./img/wide2long-3.png)]
- 先执行下面的代码,观看输出结果
stubs = ['actor', 'actor_facebook_likes']
actor2_tidy = pd.wide_to_long(
actor2,
stubnames=stubs,
i=['movie_title'],
j='actor_num',
sep='_'
).reset_index()
actor2_tidy.head()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BhduY8Ao-1630413534009)(./img/wide2long-4.png)]
- 查看名为
Avatar
的电影的演员信息
actor2_tidy[actor2_tidy['movie_title']=='Avatar']
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cCiJdtFj-1630413534009)(./img/wide2long-5.png)]
- wide_to_long函数的作用是将列名起始部分相同的列进行拆解,使宽数据变换为长数据
new_df = pd.wide_to_long(
actor2,
stubnames=['actor', 'actor_facebook_likes'],
i=['movie_title'],
j='actor_num',
sep='_'
)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fOFaxTsj-1630413534010)(./img/wide2long-6.png)]
- melt,stack,wide_to_long函数均可以实现讲宽数据整理成长数据
- melt:指定数据列,将指定列变成长数据
- stack:返回一个具有多层级索引的数据,配合reset_index可以实现宽数据变成长数据
- wide_to_long:处理列名带数字后缀的宽数据
- stack/unstack, melt/pivot_table 互为逆向操作
Original: https://blog.csdn.net/ljh18885466426/article/details/120026385
Author: 龙技术
Title: pandas 数据整理(转置)
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/678413/
转载文章受原作者版权保护。转载请注明原作者出处!