《Python數(shù)據(jù)分析極簡入門》

第2節(jié) 8-1 Pandas 數(shù)據(jù)重塑 - 數(shù)據(jù)變形

數(shù)據(jù)重塑(Reshaping)

數(shù)據(jù)重塑，顧名思義就是給數(shù)據(jù)做各種變形，主要有以下幾種：

• df.pivot 數(shù)據(jù)變形
• df.pivot_table 數(shù)據(jù)透視表
• df.stack/unstack 數(shù)據(jù)堆疊
• df.melt 數(shù)據(jù)融合
• df.cross 數(shù)據(jù)交叉表

df.pivot( ) 數(shù)據(jù)變形

根據(jù)索引（index）、列（column）（values）值)， 對原有DataFrame(數(shù)據(jù)框)進(jìn)行變形重塑,俗稱長表轉(zhuǎn)寬表

import pandas as pd
import numpy as np

df = pd.DataFrame(
    { '姓名': ['張三', '張三', '張三', '李四', '李四', '李四'],
     '科目': ['語文', '數(shù)學(xué)', '英語', '語文', '數(shù)學(xué)', '英語'],
     '成績': [91, 80, 100, 80, 100, 96]})
df

長轉(zhuǎn)寬：使用 df.pivot 以姓名為index,以各科目為columns，來統(tǒng)計各科成績：

df = pd.DataFrame(
    { '姓名': ['張三', '張三', '張三', '李四', '李四', '李四'],
     '科目': ['語文', '數(shù)學(xué)', '英語', '語文', '數(shù)學(xué)', '英語'],
     '成績': [91, 80, 100, 80, 100, 96]})
df

df.pivot(index='姓名', columns='科目', values='成績')

pd.melt() 數(shù)據(jù)融合

df = pd.DataFrame(
    { '姓名': ['張三', '張三', '張三', '李四', '李四', '李四'],
     '科目': ['語文', '數(shù)學(xué)', '英語', '語文', '數(shù)學(xué)', '英語'],
     '成績': [91, 80, 100, 80, 100, 96]})
df1 = pd.pivot(df, index='姓名', columns='科目', values='成績').reset_index()
df1

寬表變長表：使用 pd.melt 以姓名為標(biāo)識變量的列id_vars,以各科目為value_vars，來統(tǒng)計各科成績：

df1.melt(id_vars=['姓名'], value_vars=['數(shù)學(xué)', '英語', '語文'])

pd.pivot_table() 數(shù)據(jù)透視

random.seed(1024)
df = pd.DataFrame(
    {'專業(yè)': np.repeat(['數(shù)學(xué)與應(yīng)用數(shù)學(xué)', '計算機(jī)', '統(tǒng)計學(xué)'], 4),
     '班級': ['1班','1班','2班','2班']*3,
     '科目': ['高數(shù)', '線代'] * 6,
     '平均分': [random.randint(60,100) for i in range(12)],
     '及格人數(shù)': [random.randint(30,50) for i in range(12)]})
df

各個專業(yè)對應(yīng)科目的及格人數(shù)和平均分

pd.pivot_table(df, index=['專業(yè)','科目'],
               values=['及格人數(shù)','平均分'],
               aggfunc={'及格人數(shù)':np.sum,"平均分":np.mean})

補(bǔ)充說明：

df.pivot_table()和df.pivot()都是Pandas中用于將長表轉(zhuǎn)換為寬表的方法，但它們在使用方式和功能上有一些區(qū)別。

1. 使用方式：

   • df.pivot()方法接受三個參數(shù)：index、columns和values，分別指定新表的索引、列和值。
   • df.pivot_table()方法接受多個參數(shù)，其中最重要的是index、columns和values，用于指定新表的索引、列和值。此外，還可以使用aggfunc參數(shù)指定對重復(fù)值進(jìn)行聚合操作的函數(shù)，默認(rèn)為均值。

2. 處理重復(fù)值：

   • df.pivot()方法在長表中存在重復(fù)值時會引發(fā)錯誤。因此，如果長表中存在重復(fù)值，就需要先進(jìn)行去重操作，或者使用其他方法來處理重復(fù)值。
   • df.pivot_table()方法可以在長表中存在重復(fù)值的情況下進(jìn)行透視操作，并可以使用aggfunc參數(shù)指定對重復(fù)值進(jìn)行聚合操作的函數(shù)，默認(rèn)為均值。

3. 聚合操作：

   • df.pivot()方法不支持對重復(fù)值進(jìn)行聚合操作，它只是簡單地將長表中的數(shù)據(jù)轉(zhuǎn)換為寬表。
   • df.pivot_table()方法支持對重復(fù)值進(jìn)行聚合操作?？梢允褂?code style="font-size: 14px; word-wrap: break-word; padding: 2px 4px; border-radius: 4px; margin: 0 2px; color: #1e6bb8; background-color: rgba(27,31,35,.05); font-family: Operator Mono, Consolas, Monaco, Menlo, monospace; word-break: break-all;">aggfunc參數(shù)來指定聚合函數(shù)，例如求均值、求和、計數(shù)等。

總的來說，df.pivot()方法適用于長表中不存在重復(fù)值的情況，而df.pivot_table()方法適用于長表中存在重復(fù)值的情況，并且可以對重復(fù)值進(jìn)行聚合操作。根據(jù)具體的數(shù)據(jù)結(jié)構(gòu)和分析需求，選擇合適的方法來進(jìn)行轉(zhuǎn)換操作。