【pandas】第五章 變形

Datawhale的pandas學習的開源地址：Joyful Pandas
https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch1.html

歡迎大家關注瞭解Datawhale ：）

---

一、長寬表的變形

長寬表定義：針對某一特徵A（A可取a1、a2），注意區分列和對應值即可
 長表=列名為A，值為a1、a2
 寬表=列名為a1，值為B；列名為a2，值為B
示例，如下圖

1. pivot 長表2寬表

使用方法：df.pivot(index=‘行索引’, columns=‘列名’, values=‘列下的值’)

注意：上面三個引數可以是列表，且要求原dataframe滿足唯一性（行索引，列名組成的元組唯一，否則value不知填啥）
教程示例：

df.pivot(index='Name', columns='Subject', values='Grade')

2. pivot_table 長表2寬表

pivot缺點：需滿足唯一性，因此有pivot_table來實現聚合（函式）

使用方法：df.pivot_table(index=‘行索引’, columns=‘列名’, values=‘列下的值’,aggfunc=‘函式’,margins=True)

教程示例

3. melt 寬表2長表

使用方法：
df.melt(id_vars = 索引列名,value_vars = 需要列變行的列名,var_name = 列變行形成的列名,value_name = 列變行的取值的列名)

4. wide_to_long

使用方法：
pd.wide_to_long(df, stubnames=[‘Grade’, ‘rank’],
i = [‘Class’, ‘Name’],
j = ‘Examination’,
sep = ‘_’,
suffix = ‘.+’)

二、索引的變形

1. stack與unstack

unstack 的作用是把行索引轉為列索引
stack 的作用就是把列索引的層壓入行索引

使用方法：
df.unstack(2) ：2為第二層,預設為最內層
df.stack([1,2]) ：將第1,2層的列索引變為行索引

三、其他變形函式

1. crosstab

可用pivot_table代替

2. explode

explode 引數能夠對某一列的元素進行縱向的展開

使用方法：df.explode(‘列名’)

3. get_dummies

對某一列做one-hot