Pandas数据重塑与轴向旋转：stack、unstack与pivot详解

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、数据重塑

• stack()函数：将数据的列索引转换为行索引，实现从宽表到长表的转换。
• unstack()函数：将数据的行索引转换为列索引，实现从长表到宽表的转换。

df = DataFrame({'水果':['苹果','梨','草莓'],
        '数量':[3,4,5],
        '价格':[4,5,6]})
print(df)

示例原始数据包含三列：价格、数量和水果名称。具体数据如下： 0 价格4 数量3 水果苹果 1 价格5 数量4 水果梨 2 价格6 数量5 水果草莓

stack与unstack函数详解

1. 使用stack()函数

stack_df = df.stack()
print(stack_df)

执行stack()后的结果展示，原列名变为多级索引的第一层，原数据值成为Series的值： 0 价格 4 数量 3 水果 苹果 1 价格 5 数量 4 水果 梨 2 价格 6 数量 5 水果 草莓

输出数据类型为：dtype: object

2. 使用unstack()函数

print(stack_df.unstack())

对stack后的结果执行unstack()，数据恢复为原始DataFrame结构： 价格 数量 水果 0 4 3 苹果 1 5 4 梨 2 6 5 草莓

3. 通过level参数指定旋转轴的层次（默认level=-1）

print(stack_df.unstack(level=0))

当指定level=0时，unstack()将第一层索引（原列名）转为列，结果如下： 0 1 2 价格 4 5 6 数量 3 4 5 水果 苹果 梨 草莓

pivot轴向旋转操作

二、轴向旋转(pivot)

pivot(index, columns, values)函数：用于将长表转换为宽表。其中index指定新的行索引，columns指定新的列索引，values指定填充DataFrame的值。

df = DataFrame({'水果种类':['苹果','苹果','梨','梨','草莓','草莓'],
        '信息':['价格','数量','价格','数量','价格','数量'],
        '值':[4,3,5,4,6,5]})
print(df)

示例数据包含水果种类、信息类型（价格/数量）及对应数值： 信息 值 水果种类 0 价格 4 苹果 1 数量 3 苹果 2 价格 5 梨 3 数量 4 梨 4 价格 6 草莓 5 数量 5 草莓

将水果种类作为行索引，将信息作为列索引，进行透视操作。

print(df.pivot('水果种类','信息','值'))

透视后的结果，以水果种类为行，信息类型为列，值为内容： 信息 价格 数量 水果种类 梨 5 4 苹果 4 3 草莓 6 5

pivot的等价实现方式

pivot函数的功能可以通过set_index和unstack组合等价实现。

print(df.set_index(['水果种类','信息']).unstack())

使用set_index(['水果种类','信息']).unstack()得到的结果与pivot一致： 值 信息 价格 数量 水果种类 梨 5 4 苹果 4 3 草莓 6 5

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。