【Python系列专栏】第六十八篇 Python中 Pandas 重塑和轴向旋转

8.3 重塑和轴向旋转

重新排列表格型数据

8.3.1 重塑层次化索引

• stack：将数据的列”旋转“为行；

• unstack：将数据的行“旋转”为列。

  例如：

data=pd.DataFrame(np.arange(6).reshape((2,3)),
                 index=pd.Index(['ohio','colorado'],name='state'),
                 columns=pd.Index(['one','two','three'],name='number'))

#将列转换为行
data.stack()

#将行转换为列
data.stack().unstack()
#等价于
data.stack().unstack(1)

​ 默认情况下，unstack操作的是最内层。传入分层级别的编号或名称即可对其它级别进行unstack操作。即，上面的unstack转换是转换的number这一层。

​ stack默认会滤除缺失数据，因此该运算是可逆的。

---

8.3.2 将“长格式”旋转为“宽格式”

​ 多个时间序列数据通常是以所谓的“长格式”（long）或“堆叠格式”（stacked）存储在数据库和CSV中。

---

8.3.3 将“宽格式”旋转为“长格式”

​ 旋转DataFrame的逆运算是pandas.melt。

​ 合并多个列称为一个，产生一个比输入长的DataFrame。

​ 当使用pandas.melt时，必须指明哪些列是分组指标。

​ 例如：

df=pd.DataFrame({'key':['foo','bar','baz'],
                'A':[1,2,3],
                'B':[4,5,6],
                'C':[7,8,9]})

melted=pd.melt(df,['key'])