Pandas--变形

一、长宽表的变形

1.pivot

pivot 是一种典型的长表变宽表的函数
长变宽三要素：
变形后的行索引：index
需要转到列索引的列：columns
以及这些列和行索引对应的数值：values

2.pivot_table

pivot 的使用依赖于唯一性条件，那如果不满足唯一性条件，那么必须通过聚合操作使得相同行列组合对应的多个值变为一个值：pivot_table 来实现，其中的 aggfunc 参数就是使用的聚合函数。

此外， pivot_table 具有边际汇总的功能，可以通过设置 margins=True 来实现

3.melt

宽表转为长表。

4.wide_to_long

列索引中被压缩的一组值对应的列元素包含了交叉列别，如只把其中某个类别的信息压缩则需要使用 wide_to_long 函数。

二、索引的变形

1.stack与unstack

（1）unstack 函数的作用是把行索引转为列索引，主要参数是移动的层号，默认转化最内层，移动到列索引的最内层，同时支持同时转化多个层。
注：在 unstack 中必须保证 被转为列索引的行索引层 和 被保留的行索引层 构成的组合是唯一的。
（2）与 unstack 相反， stack 的作用就是把列索引的层压入行索引，其用法完全类似。

2.聚合与变形的关系

（1）联系：分组聚合操作，由于生成了新的行列索引，因此必然也属于某种特殊的变形操作；
（2）区别：由于聚合之后把原来的多个值变为了一个值，因此 values 的个数产生了变化，这也是分组聚合与变形函数的最大区别

三、其他变形函数

1.crosstab

在默认状态下， crosstab 可以统计元素组合出现的频数，即 count 操作。

但并不推荐使用，因为它能实现的所有功能 pivot_table 都能完成，并且速度更快：
crosstab 的对应位置传入的是具体的序列，而 pivot_table 传入的是被调用表对应的名字。

2.explode

explode 能够对某一列的元素进行纵向的展开，被展开的单元格必须存储 list, tuple, Series, np.ndarray 中的一种类型。

3.get_dummies

get_dummies 是用于特征构建的重要函数之一，其作用是把类别特征转为指示变量。

先写到这里啦 练习还木有来得及做 结课前会抽空做完滴~

参考文献：《joyfulpandas》——Datawhale