pandas stack和unstack

在使用pandas进行数据整理时,经常会用到stack和unstack两个函数。stack直译过来是堆叠,堆积,unstack是展开,解释为把列索引和行索引的互换,如下图所示,stack用于把列索引转换为行索引,而unstack用于把行索引转换为列索引。因此,可以把stack和unstack的功能解释为行索引和列索引的互换。
stack和unstack作用的对象是索引,pandas有多级索引(MultiIndex)结构,通过把列索引转换为行索引,那么行索引由单级索引(Index)结构转换为多级索引(MultiIndex)结构,数据不变,只不过索引变了。

  • stack():从列到行堆叠,把列索引转换为行索引
  • unstack():从行到列展开,把行索引转换为列索引

1,创建数据集

import numpy as np
import pandas as pd

data=pd.DataFrame(np.arange(12).reshape((3,4))+100,
 index=pd.Index(['date1','date2','date3']),
 columns=pd.Index(['store1','store2','store3','store4'])
 )

pandas stack和unstack

2,堆叠数据,把列转换为行

data2=data.stack()

使用stack函数,将data的列[‘store1′,’store2′,’store3′,’store4’]转变成列索引(第二层),便得到了一个层次化的Series(data2),如下所示:

pandas stack和unstack

输出到本地以后,可以变成这样:

pandas stack和unstack

查看data2的索引,是一个多层索引的结构:

data2.index

MultiIndex([('date1', 'store1'),
            ('date1', 'store2'),
            ('date1', 'store3'),
            ('date1', 'store4'),
            ('date2', 'store1'),
            ('date2', 'store2'),
            ('date2', 'store3'),
            ('date2', 'store4'),
            ('date3', 'store1'),
            ('date3', 'store2'),
            ('date3', 'store3'),
            ('date3', 'store4')],
           )

3、展开数据,把行转换为列

使用unstack函数,将data2的第二层列索引转变成行索引(默认的,可以改变),便又得到了DataFrame(data3)

data3=data2.unstack()

pandas stack和unstack

而data3的索引是普通的单级索引:

Index(['date1', 'date2', 'date3'], dtype='object')

参考文档:

深度盘点:7个关于 Pandas stack() 和 unstack() 使用技巧!

Original: https://www.cnblogs.com/ljhdo/p/16547664.html
Author: 悦光阴
Title: pandas stack和unstack

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/8413/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

最近整理资源【免费获取】:   👉 程序员最新必读书单  | 👏 互联网各方向面试题下载 | ✌️计算机核心资源汇总