python的pandas的stack和unstack函数的使用及区别

版权声明：转载请注明作者（独孤尚良dugushangliang）出处：https://blog.csdn.net/dugushangliang/article/details/117290636

 

先构建一个pandas的dataframe，代码如下：

import pandas as pd
d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']), 'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
my_df = pd.DataFrame(d)

my_df是一个二维的结构，如下图所示： 

stack函数会把列索引转成行索引，即把列索引换成二级的行索引，即所有列压缩到一列。请注意，这个的空值会跳过，下图中的数据结构只有7个元素，7行1列。

a['b','two']
a['d','two']
#上面两个索引是可以的，下面的是会报错KeyError
a['d','one']

unstack函数会把行索引转成列索引，即把行索引换成二级的列索引，即所有行压缩到一行。注：实际上，Python似乎不分行向量或列向量，如果对一个Series对象进行转置，则还是其本身。根据shape函数的返回可知，这是一个8行1列的数据结构。

stack函数会把二级的行索引转成列索引，恢复其二维结构。

我们看到，用过stack函数后可以用unstack函数来恢复其原貌。反过来如何呢？

会报错：AttributeError: 'Series' object has no attribute 'stack'

我们发现，stack和unstack两个函数的组合，如下所示，只有前两个是可以的没有问题的。这是因为一个二维数据经过stack或unstack后，变成了一个Series结构，而Series有unstack没有stack。

my_df.stack().unstack()
my_df.unstack().unstack()
#my_df.stack().stack()
#my_df.unstack().stack()

a=my_df.stack()
print(type(a))
print(dir(a))

 如下图所示，用过了unstack后，怎么恢复原状呢？转置一下即可。

 

独孤尚良dugushangliang——著