pandas如何优雅的列转行及行转列详解

 更新时间:2021年12月01日 10:43:15   作者:theskylife  
我们在做数据处理的时候遇到pandas列转行的问题,这篇文章主要给大家介绍了关于pandas如何优雅的列转行及行转列的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下

一、列转行

1、背景描述

在日常处理数据过程中,你们可能会经常遇到这种类型的数据:

输入

而我们用pandas进行统计分析时,往往需要将结果转换成以下类型的数据:

输出

2.方法描述

准备数据

df = pd.DataFrame({'姓名': ['A','B','C'],
                  '英语':[90,60,70],
                  '数学':[80,98,80],
                  '语文':[85,90,75]})

这个实现的方法有多种形式,这里集中进行展示

2.1 方法1

tmp=df.set_index(['姓名']).stack()
tmp2=tmp.rename_axis(index=['姓名','科目'])
tmp2.name='分数'
tmp2.reset_index()

2.2 方法2

tmp=df.set_index(['姓名']).stack()
tmp.index.names=['姓名','科目']
tmp.reset_index(name='分数')

2.3 方法3

tmp=df.set_index(['姓名']).stack().reset_index()
tmp.columns=['姓名','科目','分数']

2.4 方法4

tmp=pd.melt(df,id_vars='姓名',var_name='科目',value_name='分数')

3 思考与总结

通过上述的对比,相信各位已经明白其中的厉害之处了,下面就来重点讲解一下melt这个函数。melt函数共有以下几个:

frame: 需要处理的数据帧id_vars: 不需要做列转行处理的字段,如果不设置该字段则默认会对所有列进行处理value_vars: 需要做列转行的字段,不指定则不处理var_name: 列转行处理后,生成字段列,对列转行之前的字段名称进行重命名value_name: 列转行处理后,生成数值列,对列转行之前的数值进行命名col_level: 指定具体的列名等级,通常在有多级列名时使用。

4 思维延伸

4.1 例子1

转换前:

前

转换后:

后

实现的1种方法:

#准备数据
df2 = pd.DataFrame({'姓名': ['A', 'B', 'C'],
                    '班级':[1,2,1],
                    '期中考试-英语': [90, 60, 70],
                    '期中考试-数学': [80, 98, 80],
                    '期中考试-语文': [85, 90, 75],
                    '期末考试-英语': [92, 63, 76],
                    '期末考试-数学': [85,100, 89],
                    '期末考试-语文': [87, 91, 80]})
#实现部分
t1=pd.melt(df2, id_vars=['姓名','班级'],  var_name='科目', value_name='分数')
t2=t1.set_index(['姓名','班级','分数'])['科目'].str.split('-',expand=True).reset_index()
t2.set_index(['姓名','班级',0,1]).unstack().reset_index().rename_axis()
t3=t2.set_index(['姓名','班级',0,1]).unstack()
t3.columns=t3.columns.droplevel(0)
result=t3.rename_axis(columns=None).reset_index().rename(columns={0:'考试类型'})
result

4.2 例子2

转换前:

前

转换后:

后

实现方法举例:

pd.lreshape(df2,{'英语':['期中考试-英语','期末考试-英语'],
                '数学':['期中考试-数学','期末考试-数学'],
                '语文':['期中考试-语文','期末考试-语文']})

二、行转列

在一中,我们已经完成了对于列转行的任务,即将本文一中的多列df转为tmp,那现在假如需要进行列转行又该如何操作呢?

1.准备数据

tmp=pd.DataFrame({'姓名':['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
             '科目':['英语', '英语', '英语', '数学', '数学', '数学', '语文', '语文', '语文'],
             '分数':[90, 60, 70, 80, 98, 80, 85, 90, 75]})
tmp

2.行转列实现

2.1 方法1

tmp2=tmp.set_index(['姓名','科目'])['分数'].unstack()
df=tmp2.rename_axis(columns=None).reset_index()

2.2 方法2

tmp2=tmp.set_index(['姓名','科目'])['分数'].unstack()
df=tmp2.rename_axis(columns=None).reset_index()

2.3 方法3

df=tmp.pivot(index='姓名',columns='科目',values='分数').rename_axis(columns=None).reset_index()

3.思考与总结

从行转列的例子中,我们可以发现核心的函数是unstack。unstack是将多重索引形式的数据,转换为标准表格形式的数据,unstack主要由两个参数组成:

level :要取消堆叠的索引级别,可以传递级别名称 。默认参数为-1,例子中为科目,即最后一个索引fill_value :如果取消堆叠后有缺失数据,会以固定字符进行填充。

三、行列转换(长宽互换)

(1) stack和unstack

California   2000 33871648 

                2010 37253956 

New York  2000 18976457 

                2010 19378102 

Texas        2000 20851820 

                2010 25145561 

以上述数据为例

new_df = pop.unstack()

new_df

unstack() 方法可以快速将一个多级索引的 Series 转化为普通索引的 DataFrame,stack则可以实现将列转化为索引。

来看个实际的行列互换的例子

列转行

import pandas as pd

df = pd.read_csv('data/pew.csv')

df.head(10)

df = df.set_index('religion') #先把religion设为索引

df = df.stack() #将列转化为二级索引

df.index = df.index.rename('income', level=1) #二级索引命命

df.name = 'frequency'

df = df.reset_index() #将索引转化为Series

df.head(10)

上述转化,可以看作是宽表转长表,很好记忆,将一组具有相同特征的列,转化成一列,自然就变窄了,同时为了一一对应,需要和其他列做组合,就会变长。

总结

到此这篇关于pandas如何优雅的列转行及行转列的文章就介绍到这了,更多相关pandas列转行及行转列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python获取SQLite查询结果表列名的方法

    Python获取SQLite查询结果表列名的方法

    这篇文章主要介绍了Python获取SQLite查询结果表列名的方法,涉及Python连接及查询SQLite数据库的相关操作技巧,需要的朋友可以参考下
    2017-06-06
  • python 读取鼠标点击坐标的实例

    python 读取鼠标点击坐标的实例

    今天小编就为大家分享一篇python 读取鼠标点击坐标的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • pycharm如何添加解释器

    pycharm如何添加解释器

    这篇文章主要介绍了pycharm如何添加解释器问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-08-08
  • Python实现文件内容批量追加的方法示例

    Python实现文件内容批量追加的方法示例

    这篇文章主要介绍了Python实现文件内容批量追加的方法,结合实例形式分析了Python文件的读写相关操作技巧,需要的朋友可以参考下
    2017-08-08
  • 浅谈Python 的枚举 Enum

    浅谈Python 的枚举 Enum

    下面小编就为大家带来一篇浅谈Python 的枚举 Enum。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-06-06
  • python实现Simhash算法

    python实现Simhash算法

    这篇文章主要介绍了python实现Simhash算法,simhash算法用来进行文本比对的,simhash包含分词、hash、加权、合并、降维五大步骤,下文围绕更多相关资料介绍,需要的小伙伴可以参考一下
    2022-02-02
  • python实现趣味图片字符化

    python实现趣味图片字符化

    这篇文章主要为大家详细介绍了python实现趣味图片字符化,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-04-04
  • Python实现的删除重复文件或图片功能示例【去重】

    Python实现的删除重复文件或图片功能示例【去重】

    这篇文章主要介绍了Python实现的删除重复文件或图片功能,结合实例形式分析了Python基于os与hashlib模块针对文件的读取、hash计算及重复性判定等相关操作技巧,需要的朋友可以参考下
    2019-04-04
  • Python 限制线程的最大数量的方法(Semaphore)

    Python 限制线程的最大数量的方法(Semaphore)

    今天小编就为大家分享一篇Python 限制线程的最大数量的方法(Semaphore),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-02-02
  • Python和Pycharm 环境部署详细步骤

    Python和Pycharm 环境部署详细步骤

    Python环境搭建过程很多朋友都操作过,本次我们将向大家介绍Python和Pycharm 环境部署的流程,文章通过图文的形式给大家展示一目了然一看就懂,需要的朋友参考下吧
    2021-06-06

最新评论