目录

1.stack()

stack()用于将列索引转换为最内层的行索引，这样叙述比较抽象，看示例就容易理解啦：

准备一组数据，给其设置双索引。

import pandas as pd
data = [["A类", "a1", 123, 224, 254], ["A类", "a2", 234, 135, 444], ["A类", "a3", 345, 241, 324],
        ["B类", "b1", 112, 412, 466], ["B类", "b2", 224, 235, 345], ["B类", "b3", 369, 214, 352],
        ["C类", "c1", 236, 251, 485], ["C类", "c2", 378, 216, 515], ["C类", "c3", 135, 421, 312],
        ["D类", "d1", 306, 325, 496], ["D类", "d2", 147, 235, 524], ["D类", "d3", 520, 222, 267]]
df = pd.DataFrame(data=data, columns=["类别", "编号", "A指标", "B指标", "C指标"])
df = df.set_index(["类别", "编号"])
print(df)

df = df.stack()
print(df)

如图，成功将索引列之外的 A指标，B指标，C指标三列放在了同一列。

此时的df，不再是一个DataFrame，而变为了一个Series对象。：

print(type(df))

该Series的index列不同于原DataFrame的index列，而是在原DataFrame的index列的基础上，又增加了从右边合并过来的部分：

print(df.index)

此时Values为：

print(df.values)

2. unstack()

unstack是stack的逆向操作。

在上述示例的代码的基础上，对上边的df继续调用unstack()方法：

df1 = df.unstack()
print(df1)

可以看到unstack变回了原来的样子。

3. pivot()

这里对于上边例子中的数据稍作调整：

不设置多重索引

import pandas as pd
data = [["A类", "1", 123, 224, 254], ["A类", "2", 234, 135, 444], ["A类", "3", 345, 241, 324],
        ["B类", "1", 112, 412, 466], ["B类", "2", 224, 235, 345], ["B类", "3", 369, 214, 352],
        ["C类", "1", 236, 251, 485], ["C类", "2", 378, 216, 515], ["C类", "3", 135, 421, 312],
        ["D类", "1", 306, 325, 496], ["D类", "2", 147, 235, 524], ["D类", "3", 520, 222, 267]]
df = pd.DataFrame(data=data, columns=["类别", "编号", "A指标", "B指标", "C指标"])
print(df)

df2 = df.pivot(index="编号", columns="类别", values="A指标")
print(df2)

index和columns分别指设定那一列的值为index，设置那一列的值为columns。values指表格要体现的指标。

df3 = df.pivot(index="类别", columns="编号", values="A指标")
print(df3)

总结

到此这篇关于pythonDataFrame中stack()方法、unstack()方法和pivot()方法的文章就介绍到这了,更多相关DataFramestack()、unstack()和pivot()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！

关键词： 的基础上 希望大家 相关文章 又增加了