Pandas05--变形

---

1 长宽表的变形

• 长表和宽表：这个概念是对于某一个特征而言的。比如，一个表中把性别存储在某一个列中，那么它就是关于性别的长表；如果把性别作为列名，列中的元素是某一其他的相关特征数值，那么这个表是关于性别的宽表。

  # 关于性别的长表
  pd.DataFrame({
       'Gender':['F','F','M','M'],
                'Height':[163, 160, 175, 180]})
  '''
    Gender  Height
  0      F     163
  1      F     160
  2      M     175
  3      M     180
  '''
  # 关于性别的宽表
  pd.DataFrame({
       'Height: F':[163, 160],
                'Height: M':[175, 180]})
  '''
     Height: F  Height: M
  0        163        175
  1        160        180
  '''              
  

• 分析：这两张表从信息上是完全等价的，它们包含相同的身高统计数值，只是这些数值的呈现方式不同，而其呈现方式主要又与性别一列选择的布局模式有关，即到底是以long 的状态存储还是以wide的状态存储。

1.1 pivot

• 作用：pivot是一种典型的长表变宽表的函数
• 三要素：对于长变宽的操作，重要的是变形后的行索引、需要转到列索引的列，以及这些列和行索引对应的数值，分别对应 pivot方法中的index, columns, values参数
  • columns：新生成表的列索引是 columns对应列的unique值
  • index：新表的行索引是 index对应列的unique值
  • values ：values对应了想要展示的数值列
• 【例子】把语文和数学分数作为列来展示

  '''
  原表：
     Class       Name  Subject  Grade
  0      1  San Zhang  Chinese     80
  1      1  San Zhang     Math     75
  2      2      Si Li  Chinese     90
  3      2      Si Li     Math     85
  '''
  # 变形
  df.pivot(index='Name', columns='Subject', values='Grade')
  '''
  Subject    Chinese  Math
  Name                    
  San Zhang       80    75
  Si Li           90    85
  '''
  

  • 变形过程：
    
• 要满足的要求：pivot函数进行变形操作需要满足唯一性的要求，即原表中的 index和columns 对应两个列的行组合必须唯一，因为在新表中的行列索引对应了唯一的value。
  • 【例子】 ：如果把原表中第二行张三的数学改为语文就会报错，这是由于Name与 Subject的组合中两次出现 (“San Zhang”, “Chinese”) ，从而最后不能够确定到底变形后应该是填写80分还是75分。
• 参数为列表： pivot 相关的三个参数允许被设置为列表，结果就会返回多级索引
  • 【例子】：把测试类型和科目联合组成的四个类别（期中语文、期末语文、期中数学、期末数学）转到列索引，并且同时统计成绩和排名：

  '''
  原表：
     Class       Name Examination  Subject  Grade  rank
  0      1  San Zhang         Mid  Chinese     80    10
  1      1  San Zhang       Final  Chinese     75    15
  2      2      Si Li         Mid  Chinese     85    21
  3      2      Si Li       Final  Chinese     65    15
  4      1  San Zhang         Mid     Math     90    20
  5      1  San Zhang       Final     Math     85     7
  6      2      Si Li         Mid     Math     92     6
  7      2      Si Li       Final     Math     88     2
  '''
  pivot_multi = df.pivot(index = ['Class', 'Name'],
                         columns = ['Subject','Examination'],
                         values = ['Grade','rank'])
  pivot_multi                       
  '''
                    Grade                     rank                 
  Subject         Chinese       Math       Chinese       Math      
  Examination         Mid Final  Mid Final     Mid Final  Mid Final
  Class Name                                                       
  1     San Zhang      80    75   90    85      10    15   20     7
  2     Si Li          85    65   92    88      21    15    6     2
  '''                      
  

  • 分析：根据唯一性原则，新表的行索引等价于对index 中的多列使用 drop_duplicates ，而列索引的长度为 values 中的元素个数乘以columns 的唯一组合数量（与 index 类似） 。

  ！！这段重新看！！