响应式网站建设的优势,牡丹江在哪个城市,app开发公司资质,怎么弄自己的网站文章目录重塑层次化索引对于单层索引的DataFrame类对象stack()方法unstack()方法对于多层索引的DataFrame类对象辨析操作内层索引与外层索引的区别查看多层索引对象转换后的类型轴向旋转——pivot()方法重塑层次化索引
Pandas中重塑层次化索引的操作主要是stack()方法和unstac…
文章目录重塑层次化索引对于单层索引的DataFrame类对象stack()方法unstack()方法对于多层索引的DataFrame类对象辨析操作内层索引与外层索引的区别查看多层索引对象转换后的类型轴向旋转——pivot()方法重塑层次化索引
Pandas中重塑层次化索引的操作主要是stack()方法和unstack()方法前者是将数据的列“旋转”成行后者是将数据的行“旋转”成列。 stack(self, level-1, dropnaTrue) 上述方法中部分参数表示的含义如下
level表示操作内层索引。若设为0表示操作外层索引默认为-1dropna表示是否将旋转后的缺失值删除若设为True则表示自动过滤缺失值设置False则相反 unstack(self, level-1, fill_valueNone) 上述方法中部分参数表示的含义如下
level表示操作内层索引。若设为0表示操作外层索引默认为-1fill_value若产生了缺失值则可以设置这个参数用来替换NaN
对于单层索引的DataFrame类对象
stack()方法
测试对象
df1:A B
a A0 B0
b A1 B1代码
import numpy as npdf1 pd.DataFrame({A: [A0, A1],B: [B0, B1]},index[a, b])
df2 pd.DataFrame(np.arange(8).reshape(2, 4),columns[[A, A, B, B],[A0, A1, B0, B1]])
result df1.stack()
print(df1.stack():\n, result)输出结果
df1.stack():a A A0B B0
b A A1B B1
dtype: object从输出结果看出result对象具有两层行索引。
具有两层行索引而不再具有列索引的对象到底是DataFrame对象还是Series对象呢
我们使用type()函数来查看result的类型与df1做对比
type(df1):class pandas.core.frame.DataFrame
type(result):class pandas.core.series.Series从输出结果可以看出DataFrame对象已经被转换成了一个Series对象。 unstack()方法
尝试将result对象重塑成df1先将result.unstack()的结果保存在ans对象里
代码
ans result.unstack()
print(ans:\n, ans)输出结果
ans:A B
a A0 B0
b A1 B1使用type()函数查看ans的类型然后将其与df1作比较
代码
print(type(ans):\n, type(ans))
print(ans df1?, ans df1)输出结果
type(ans):class pandas.core.frame.DataFrame
ans df1?A B
a True True
b True True由上可知unstack()方法是stack()方法的逆操作可以将重塑的Series对象“恢复原样”转变成原来的DataFrame对象。 对于多层索引的DataFrame类对象
测试对象
df2:A B A0 A1 A0 A1
0 0 1 2 3
1 4 5 6 7辨析操作内层索引与外层索引的区别
代码
df2 pd.DataFrame(np.arange(8).reshape(2, 4),columns[[A, A, B, B],[A0, A1, A0, A1]])
result1 df2.stack() # 操作内层索引
result2 df2.stack(level0) # 操作外层索引
print(df2.stack():\n, result1)
print(df2.stack(level0):\n, result2)输出结果
df2.stack():A B
0 A0 0 2A1 1 3
1 A0 4 6A1 5 7
df2.stack(level0):A0 A1
0 A 0 1B 2 3
1 A 4 5B 6 7查看多层索引对象转换后的类型
代码
print(type(result1):\n, type(result1))
print(type(result2):\n, type(result2))输出结果
type(result1):class pandas.core.frame.DataFrame
type(result2):class pandas.core.frame.DataFrame对于多层索引来讲即使将外层行列索引或者内层行列索引转换为列行索引也不过是多层变单层只要行和列两个方向仍然同时至少有单层索引存在DataFrmae对象转换后就仍为DataFrame对象。 轴向旋转——pivot()方法
pivot()会根据给定的行索引或列索引重新组织一个DataFrame对象 pivot(self, indexNone, columnsNone, valuesNone) 上述方法中部分参数表示的含义如下
index用于创建新DataFrame对象的行索引 。如果未设置则使用原DataFrame对象的索引。columns用于创建新DataFrame对象的列索引 。如果未设置则使用原DataFrame对象的索引。values用于填充新DataFrame对象中的值。 代码
df3 pd.DataFrame({A: [A0, A0, A1, A1],B: [B0, B1, B0, B1],C: [C0, C1, C2, C3]})
print(df3:\n, df3)
print(df3.pivot(indexA, columnsB, valuesC):\n,
df3.pivot(indexA, columnsB, valuesC))输出结果
df3:A B C
0 A0 B0 C0
1 A0 B1 C1
2 A1 B0 C2
3 A1 B1 C3
df3.pivot(indexA, columnsB, valuesC):B B0 B1
A
A0 C0 C1
A1 C2 C3
