Pandas DataFrame: 行列转换、一行生成多行,多行合并一行

@创建于:2022.07.01
@修改于:2022.07.01

1、构建一个样例数据

import pandas as pd
import numpy as np
df = pd.DataFrame({'姓名': ['name_A', 'name_B', 'name_C'],
                   '班级': ['c1', 'c2', 'c2'],
                   '语文': [90, 60, 70],
                   '数学': [80, 98, 80],
                   '英语': [85, 90, 75],
                   '物理': [92, 63, 76],
                   '化学': [85,100, 89],
                   '生物': [87, 91, 80]})

在这里插入图片描述

2、一行生成多行【列转行】

用到pandas的melt方法。

# 一行转多列
df_c = pd.melt(df, id_vars=['姓名', '班级'], var_name="科目", value_name="得分")
df_c

在这里插入图片描述

3、多行合并一行【行转列】

pd.pivot(df_c, index="姓名", columns="科目", values="得分")
# rename_axis(index=, columns=) 来给坐标轴重命名
pd.pivot(df_c, index="姓名", columns="科目", values="得分").rename_axis(columns=None).reset_index()

在这里插入图片描述
上面丢掉了班级,如何增加班级呢?

pd.pivot(df_c, index=["姓名", '班级'], columns="科目", values="得分").rename_axis(columns=None).reset_index()

在这里插入图片描述

4、参考链接

pandas行转列、列转行、以及一行生成多行
pandas如何进行优雅的列转行、行转列?
Pandas中Dataframe行转列

  • 2
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: Python中的DataFrame行列转换可以使用transpose()函数实现。该函数可以将DataFrame的行和列进行转置,即行成列,列成行。例如,如果有一个DataFrame df,可以使用df.transpose()将其行列进行转换。 ### 回答2: Python中使用pandas库的DataFrame可以很方便地将数据整理成表格形式,支持对表格进行多种操作。其中,行列转换是一种非常重要的操作,它可以根据不同的业务需要来重新组织数据,使得数据的结构更加适合进行分析和处理。 首先,让我们来看一下如何将DataFrame的行转换成列,即实现数据的透视(Pivot)操作。在pandas中,可以使用pivot()方法来实现该功能。首先,需要指定一个列作为索引(index),另外指定一个或多个列作为新表格的列,还需要指定一个或多个列的值作为新表格对应的值。 例如,假设我们有一个DataFrame,包含学生姓名、科目和成绩信息: ```python import pandas as pd data = {'姓名': ['小明', '小红', '小明', '小红'], '科目': ['语文', '语文', '数学', '数学'], '成绩': [80, 90, 70, 95]} df = pd.DataFrame(data) ``` 现在,我们想要将其转换成如下的格式: | 姓名 | 语文 | 数学 | | ---- | ---- | ---- | | 小明 | 80 | 70 | | 小红 | 90 | 95 | 实现方法如下: ```python df_pivot = df.pivot(index='姓名', columns='科目', values='成绩') print(df_pivot) ``` 其中,index参数指定用“姓名”列作为新表格的索引,columns参数指定用“科目”列作为新表格的列,values参数指定用“成绩”列的值填充新表格。执行结果如下: ``` 科目 数学 语文 姓名 小明 70 80 小红 95 90 ``` 同样地,我们也可以使用melt()方法将DataFrame的列转换成行,即实现“反透视”操作。在此方法中,需要指定将哪个或哪些列转换成新表格的行,以及将哪个或什么值作为新表格的值。例如,对于上面的例子,我们可以将新表格设置为包含“姓名”、“科目”和“成绩”三列,其中“姓名”和“科目”为新表格的行,而“成绩”为新表格的值。 ```python df_melt = df.melt(id_vars=['姓名', '科目'], value_vars=['成绩'], var_name='维度', value_name='值') print(df_melt) ``` 其中,id_vars参数指定将“姓名”和“科目”列作为新表格的行,value_vars指定将“成绩”列作为新表格的值,“维度”和“值”则为新表格的列名。执行结果如下: ``` 姓名 科目 维度 值 0 小明 语文 成绩 80 1 小红 语文 成绩 90 2 小明 数学 成绩 70 3 小红 数学 成绩 95 ``` 以上就是Python DataFrame行列转换的方法。透视和反透视操作是非常常用的数据整理技巧,它可以帮助我们对数据进行有效的分析和可视化,是数据科学领域中不可或缺的一环。 ### 回答3: 在Python中,数据处理常常需要使用pandas库中的DataFrame数据结构。在实际操作中,我们经常需要对DataFrame的结构进行转换,比如将行列互换,这在处理数据时非常常见。以下是通过python实现DataFrame行列转换的几种不同方式: 1. transpose方法:pandas.DataFrame.transpose()方法可以将行列转置,即行为列,列为行。例如,假设一个DataFrame df,它有三列和四行。要把它转换为4列和3行,则可以使用以下代码:df.transpose() 2. 索引与列名转置:这种方法可以通过使用DataFrame中的columns和index属性来实现。例如,可以将DataFrame df中的所有列名作为新的行名指定,将原来的行名作为列名指定。代码如下: ``` df = pd.DataFrame({‘one’ : [1., 2., 3., 4.],‘two’ : [4., 3., 2., 1.]}) df_new = pd.DataFrame(df.values.T, index=df.columns, columns=df.index) ``` 3. stack()和unstack()方法:stack()方法将DataFrame中列的标签转化为行的标签,而unstack()方法则将行标签转化为列标签。例如,假设DataFrame df有多层行索引和列索引,要转换列索引为行索引,则可以使用下列代码: ``` df.stack().unstack(0) #将列索引转换为行索引 df.stack().unstack() #将最后一列的索引转换为列名 ``` 以上几种方法都可以实现Python DataFrame行列转换,不同的方法适用于不同的数据处理需求。在实际应用中,需要根据数据结构和需求选择最适合的方法。

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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