【Python学习】pandas模块轴旋转函数stack和unstack用法详解

最新推荐文章于 2024-05-17 20:34:27 发布
最新推荐文章于 2024-05-17 20:34:27 发布
阅读量1k 收藏 7
点赞数
分类专栏： Python 文章标签： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Cold_Sun_/article/details/108109019
版权

stack：将pandas数据的列索引旋转为行索引

unstack：将pandas数据行索引旋转位列索引

值得注意的是，默认以最内层为轴旋转，旋转完后依然为最内层

如下案例：

有如下的df图表

df

 此时横轴为0-23的id，纵轴为True和False

这时候输入

df.stack()

则得到

 列以横轴id旋转，旋转完后依然为最内层

可以认为现在的True和False一列为level0，0-23为level1，

这时候输入

df.unstack(level = 0)

则以False和True这一纵轴旋转，得到

Cold_Sun_
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas层次化索引以及索引的堆（Stack ）和 聚合操作
weixin_44463903的博客
02-19 658
pandas层次化索引 import numpy as np import pandas as pd from pandas import Series,DataFrame 1.索引的堆（stack） stack() unstack() 【小技巧】：使用stack()的时候，level等于哪一个，哪一个就消失，出现在行里；使用unstack()的时候，level等于哪一个，哪一个就消失，出现在...
pandas 格式转换
si6354257的博客
06-10 607
# %%import numpy as npimport pandas as pd# %%# 1.一列转为多列，str.split，已确定拆分结果的列数df = pd.read_excel('./data/demo_05.xlsx', sheet_name='Sheet1')tb = df['收货地址'].str.split(' ', expand=True)df['省份'] = tb[0]df['城市'] = tb[1]# pd.Series.str.split()df# %%# 2.一列转为多列，不确定
map,list,set,stack,queue,vector等区别和特点1
08-08
更为精炼的总结：Collection 是对象集合， Collection 有两个子接口 List 和 SetList 可以通过下标 (1,2..) 来取得值，值
python pandas模块基础学习详解
09-19
主要介绍了python pandas模块基础学习详解的相关资料,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
python DataFrame的stack()方法，unstack()方法，pivot()方法
u010508150的博客
04-07 722
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],df = pd.DataFrame(data=data, columns=[‘类别’, ‘编号’, ‘A指标’, ‘B指标’, ‘C指标’])
[pandas]数据重塑与透视
m0_73598509的博客
10-29 452
这些参数传入的是原数据的列名。index如果不传入，会使用现有索引。columns作为新DataFrame的列，取去重的值，当列和索引的组合有多个值时会报错，需要用pd.pivot_table()进行操作。values作为新DataFrame的值，若指定多个，会形成多层索引，若不指定，会默认为所有剩余的列。
对DataFrame的每行进行重塑每行的所有列和值都用单独一行显示stack()方法
liujingwei8610的专栏
12-06 442
对DataFrame的每行进行重塑 每行的所有列和值都用单独一行显示 stack()方法
机器学习期末复习题
热门推荐
qq_53865517的博客
12-09 1万+
机器学习期末复习资料，答案已标注。
深度盘点：7个关于 Pandas stack() 和 unstack() 使用技巧！
Python数据之道
04-05 1383
当你在处理包含某种序列（例如时间序列数据）的变量的数据集时，数据通常需要进行重塑。Pandas 提供了各种用于重塑 DataFrame 的内置方法。其中，stack() 和 unstack() 是最流行的 2 种重组列和行的方法：stack()：从列到行堆叠unstack()：从行到列取消堆叠stack() 和 unstack() 似乎使用起来相当简单，但你仍然应该知道一些技巧来加快数据分析。在本...
Python3.5 Pandas模块缺失值处理和层次索引实例详解
01-20
本文实例讲述了Python3.5 Pandas模块缺失值处理和层次索引。分享给大家供大家参考，具体如下： 1、pandas缺失值处理 import numpy as np import pandas as pd from pandas import Series,DataFrame df3 = ...
Python中pandas模块DataFrame创建方法示例
12-25
本文实例讲述了Python中pandas模块DataFrame创建方法。分享给大家供大家参考，具体如下： DataFrame创建 1. 通过列表创建DataFrame 2. 通过字典创建DataFrame 3. 通过Numpy数组创建DataFrame DataFrame这种列表式...
Python数据分析pandas模块用法实例详解
09-18
主要介绍了Python数据分析pandas模块用法,结合实例形式分析了pandas模块对象创建、数值运算等相关操作技巧与注意事项,需要的朋友可以参考下
pandas数据分析读书笔记（三）
u012724887的专栏
07-03 2006
Df.map()，参数里可以传入一个函数或者有映射关系的字典型对象 Df.replace(, )，将某个值替换成另外一个值，可以一次性替换多个值，可以每个值都有不同的替换值，传入的参数也可以是字典 Pd.rename(index = str.title, columns = str.upper)，重命名轴索引，这里的index设置为原有index首字母为大写，columns设置为原有的全部大写 Pd.cut(bins， labels)，将数据进行划分，划分的依据是bins，比如bins如果为[18,
Pandas教程——(五)
小白一直白
05-31 268
本次教程你将学会以下几点： stack()用法 unstack()用法 .T用法 导包 # Import libraries import pandas as pd import sys 创建数据 d = {'one':[1,2],'two':[3,4]} i = ['a','b'] df = pd.DataFrame(d,index=i) print(df) one ...
04 -1 pandas索引的堆（行列操作，交换行列）、聚合操作（求和、最大值、最小值、平均值等）
DayDayUp
10-28 2532
引入模块 import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt 创建示例DataFrame # 用作案例 不要删 ！！！ data=np.random.randint(0,150,size=(2,8)) index=["rose","jack"] columns=pd.Mul...
Python中的数据重塑工具stack和unstack
Trb601012的博客
01-26 991
在Python中，Pandas库提供了丰富而强大的数据操作工具，其中stack()和unstack()函数是在数据重塑和透视方面的得力助手。我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。最后祝大家天天进步！
【Python】pandas轴旋转stack和unstack用法详解
Asher117的博客
12-17 1万+
摘要 前面给大家分享了pandas做数据合并的两篇[pandas.merge]和[pandas.cancat]的用法。今天这篇主要讲的是pandas的DataFrame的轴旋转操作，stack和unstack的用法。 首先，要知道以下五点： 1.stack：将数据的列“旋转”为行 2.unstack：将数据的行“旋转”为列 3.stack和unstack默认操作为最内层 4.stack和unsta...
数据挖掘--
最新发布
m0_71372455的博客
05-17 987
是一款轻量级的集成开发环境（IDE），广泛用于多种编程语言的开发工作。虽然VS Code本身并不是专门用于数据挖掘的工具，但我们可以借助其强大的插件系统来进行数据挖掘的工作。
python pandas模块_Python3.5 Pandas模块中Series用法详解
06-10
好的，我知道你的问题了。那么让我来回答你的问题。 在Python的pandas模块中，Series是一种类似于一维数组的数据结构，可以用来存储各种类型的数据，例如整数、浮点数、字符串等。Series可以通过列表、字典、标量值、ndarray等方式进行创建。 下面是Series的一些常用操作： 1.创建一个Series对象： ```python import pandas as pd s = pd.Series([1, 3, 5, np.nan, 6, 8]) ``` 2.Series对象的属性： ```python s.index # 返回Series对象的索引 s.values # 返回Series对象的值 s.name # 返回Series对象的名称 ``` 3.Series对象的方法： ```python s.head() # 返回Series对象的前n个值，默认为5个 s.tail() # 返回Series对象的后n个值，默认为5个 s.describe() # 返回Series对象的描述性统计信息 s.isnull() # 返回Series对象中的缺失值 s.fillna() # 用指定值填充Series对象中的缺失值 s.astype() # 将Series对象中的数据类型转换为指定类型 s.apply() # 对Series对象中的每个元素应用指定函数 s.unique() # 返回Series对象中的唯一值 s.value_counts() # 返回Series对象中每个值的计数 ``` 以上就是Series的一些基本操作和方法，希望能够帮助你更好地使用Python的pandas模块。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值