本文介绍了Pandas中的数据透视函数，包括melt()、pivot()、pivot_table()和crosstab()。melt()用于宽格式到长格式转换，pivot()重构数据，pivot_table()提供更高灵活性，crosstab()计算交叉表。通过实例讲解了每个函数的使用和参数含义，并提到了在使用中需要注意的问题。
大家好，我是丁小杰！
今天和大家分享Pandas中四种有关数据透视的通用函数，在数据处理中遇到这类需求时，能够很好地应对。
pandas.melt()
melt函数的主要作用是将DataFrame从宽格式转换成长格式。
“
pandas.melt(frame,id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None, ignore_index=True)
”
参数含义
-
id_vars：tuple, list, or ndarray，可选，作为标识符变量的列 -
value_vars：tuple, list, or ndarray, 可选，透视列，如果未指定，则使用未设置为id_vars的所有列。 -
var_name：scalar，默认为None，使用variable作为列名 -
value_name：标量, default ‘value’，value列的名称 -
col_level：int or str, 可选，如果列是多层索引，melt将应用于指定级别 -
ignore_index：bool, 默认为True，相当于从0开始重新排序。如果为False，则保留原来的索引，索引标签将出现重复。
看个例子先：
import pandas as pd df = pd.DataFrame( {'地区': ['A', 'B', 'C'], '2020': [80, 60, 40], '2021': [800, 600, 400], '2022': [8000, 6000, 4000]})
pd.melt(df, id_vars=['地区'], value_vars=['2020', '2021', '2022'])
设置var_name与value_name。
df = pd.melt(df, id_vars=['地区'], value_vars=['2020', '2021', '2022'], var_name='年份', value_name='销售额')
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
