长型数据(long format dataframe)与宽型数据(wide format dataframe)是两种形式的数据框，在数据分析中高频出现，在数据处理过程中，
常常需要在两者之间相互转换。本文基于pandas，介绍长型数据与宽型数据的相互转换操作。
环境
- python3.9
- win10 64bit
- pandas==1.2.1
宽转长
在pandas中，宽型转长型数据有melt和wide_to_long两种方法。
melt
melt方法叫做数据融合，是dataFrame拥有的方法，使用较为频繁。参数解释如下：
DataFrame.melt(id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None, ignore_index=True)
- id_vars:[tuple, list, ndarray]，列中识别符变量，不参与融合。
- value_vars:[tuple, list, ndarray]，列中融合变量，默认全部融合。
- var_name:[scalar]，融合后变量名字，默认variable。
- value_name:[scalar]，融合后值名字，默认value。
- col_level:[int, str]，多重列索引时选择列。
- ignore_index:[bool]，融合后索引是否重新排序，默认True。
import pandas as pd
pd.set_option('display.notebook_repr_html',False)
# 宽型数据
w_df = pd.DataFrame({'A': [1,2,3],
'B': [4,5,6],
'C': [7,8,9]})
w_df
A B C
0 1 4 7
1 2 5 8
2 3 6 9
- 当不传入任何参数时，默认会融合全部的列。
# 全部融合
w_df.melt()
variable value
0 A 1
1 A 2
2 A 3
3 B 4
4 B 5
5 B 6
6 C 7
7 C 8
8 C 9
- 设置
id_vars参数，选择部分列作为识别符不参与融合，剩余的列将全部融合。
# A标识，B，C融合
w_df.melt(id_vars=['A'])
A variable value
0 1 B 4
1 2 B 5
2 3 B 6
3 1 C 7
4 2 C 8
5 3 C 9
# A，B标识，C融合
w_df.melt(id_vars=['A','B'])
A B variable value
0 1 4 C 7
1 2 5 C 8
2 3 6 C 9
- 设置
value_vars参数，选择部分列作为融合列。
注意剩余的列不会自动作为标识符列。
# 只融合A
w_df.melt(value_vars=['A'])
variable value
0 A 1
1 A 2
2 A 3
# 只融合A,B
w_df.melt(value_vars=['A','B'])
variable value
0 A 1
1 A 2
2 A 3
3 B 4
4 B 5
5 B 6
- 设置
var_name(默认variable),value_name(默认value)参数，为融合的变量与值设置名字。
# 设置融合后变量名与值名
w_df.melt(var_name='code',value_name='count')
code count
0 A 1
1 A 2
2 A 3
3 B 4
4 B 5
5 B 6
6 C 7
7 C 8
8 C 9
- 设置
ignore_index=False可以保留原数据的索引。
w_df.melt(ignore_index=False)
variable value
0 A 1
1 A 2
2 A 3
0 B 4
1 B 5
2 B 6
0 C 7
1 C 8
2 C 9
- 设置
col_level参数，可以选择多重列索引数据来融合数据。
# 列多重索引数据
mi_w_df=w_df.copy()
mi_w_df.columns=[list('ABC'),list('DEF')]
mi_w_df
A B C
D E F
0 1 4 7
1 2 5 8
2 3 6 9
# 融合第一索引列
mi_w_df.melt(col_level=0)
variable value
0 A 1
1 A 2
2 A 3
3 B 4
4 B 5
5 B 6
6 C 7
7 C 8
8 C 9
# 融合第二索引列
mi_w_df.melt(col_level=1)
variable value
0 D 1
1 D 2
2 D 3
3 E 4
4 E 5
5 E 6
6 F 7
7 F 8
8 F 9
wide_to_long
wide_to_long函数是pandas自带的，是对melt的一种补充，在特殊的宽转长情况下更适用。
pandas.wide_to_long(df, stubnames, i, j, sep=’’, suffix=’\d+’)
- df:[pd.dataframe]，宽型数据框
- stubnames:[str,list-like]，列名中的存根名字
- i:[str,list-like]，列中的索引变量
- j:[str]，后缀的重命名
- sep:[str,default “”]，存根名与后缀之间的分隔符
- suffix:[str,default “\d+”]，后缀
# 宽型数据
s_df = pd.DataFrame({"A1970" : [1,33,3],
"B1980" : [3,5,7],
"A1980" : [13,15,17],
"B1970" : [6,8,14],
"x" : [1,2,3],
"y" : [4,5,6]})
s_df
A1970 B1980 A1980 B1970 x y
0 1 3 13 6 1 4
1 33 5 15 8 2 5
2 3 7 17 14 3 6
在数据中，A1970,B1980,A1980,B1970这几列名字具有相同的结构，如果需要将它们分开，就可以用long_to_wide函数。
# 特定列的宽转长
pd.wide_to_long(s_df,stubnames=['A','B'],j='year',i='x')
y A B
x year
1 1970 4 1 6
1980 4 13 3
2 1970 5 33 8
1980 5 15 5
3 1970 6 3 14
1980 6 17 7
- 设置
stubnames，函数会根据设置的字符去数据列中匹配目标列，然后转换为长数据
# 只转换包含A的列
pd.wide_to_long(s_df,stubnames=['A',],j='year',i='x')
B1970 y B1980 A
x year
1 1970 6 4 3 1
2 1970 8 5 5 33
3 1970 14 6 7 3
1 1980 6 4 3 13
2 1980 8 5 5 15
3 1980 14 6 7 17
如果stubnames参数设置的字符在原数据框的列中无法找到，则返回空数据框。
# 列名中不存在C字符，返回空数据框
pd.wide_to_long(s_df,stubnames=['C',],j='year',i='x')
Empty DataFrame
Columns: [B1970, y, A1980, B1980, A1970, C]
Index: []
- 参数
i可以设置为多列，返回多个索引。
# 设置多索引
pd.wide_to_long(s_df,stubnames=['A','B'],j='year',i=['x','y'])
A B
x y year
1 4 1970 1 6
1980 13 3
2 5 1970 33 8
1980 15 5
3 6 1970 3 14
1980 17 7
- 参数
sep表示分隔符，默认""，可以根据实际情况设置。
# 宽型数据（-分隔符）
sep_df = pd.DataFrame({"A-1970" : [1,33,3],
"B-1980" : [3,5,7],
"A-1980" : [13,15,17],
"B-1970" : [6,8,14],
"x" : [1,2,3],
"y" : [4,5,6]})
sep_df
A-1970 B-1980 A-1980 B-1970 x y
0 1 3 13 6 1 4
1 33 5 15 8 2 5
2 3 7 17 14 3 6
数据中列名的分隔符为-，则转换的时候需要设置sep='-'。
# 设置sep参数
pd.wide_to_long(sep_df,stubnames=['A','B'],j='year',i='x',sep='-')
y A B
x year
1 1970 4 1 6
1980 4 13 3
2 1970 5 33 8
1980 5 15 5
3 1970 6 3 14
1980 6 17 7
- 参数
suffix表示后缀，默认是"\d+"，是正则表达式，表示匹配数字，可以根据实际情况替换。
# 宽型数据
suf_df = pd.DataFrame({"Aone" : [1,33,3],
"Btwo" : [3,5,7],
"Atwo" : [13,15,17],
"Bone" : [6,8,14],
"x" : [1,2,3],
"y" : [4,5,6]})
suf_df
Aone Btwo Atwo Bone x y
0 1 3 13 6 1 4
1 33 5 15 8 2 5
2 3 7 17 14 3 6
# 指定后缀
pd.wide_to_long(suf_df,stubnames=['A','B'],j='year',i='x',suffix='(one|two)')
y A B
x year
1 one 4 1 6
two 4 13 3
2 one 5 33 8
two 5 15 5
3 one 6 3 14
two 6 17 7
长转宽
长型数据转为宽型数据可以通过透视的功能实现，类似于excel中的透视表功能。在pandas中用pivot方法实现。
DataFrame.pivot(index=None, columns=None, values=None)
- index:[str ,object ,a list of str]，透视的索引
- columns:[str ,object ,a list of str]，透视的列
- values:[str, object ,a list of the previous]，透视的值
# 长型数据
l_df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two','two'],
'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
'cat':['alpha','alpha','alpha','beta','beta','beta'],
'baz': [1, 2, 3, 4, 5, 6],
'zoo': [4, 6, 8, 1, 2, 9]})
l_df
foo bar cat baz zoo
0 one A alpha 1 4
1 one B alpha 2 6
2 one C alpha 3 8
3 two A beta 4 1
4 two B beta 5 2
5 two C beta 6 9
选择foo列作为透视后的索引，bar列作为透视的列，里面的元素会展开成新数据框的列，baz作为透视的值，填充在新数据框中。
# 透视数据
l_df.pivot(index='foo',columns='bar',values='baz')
bar A B C
foo
one 1 2 3
two 4 5 6
- 设置
index为多个列名，透视表将具有多个行索引。
# 多索引透视
l_df.pivot(index=['foo','bar'],columns='cat',values='baz')
cat alpha beta
foo bar
one A 1.0 NaN
B 2.0 NaN
C 3.0 NaN
two A NaN 4.0
B NaN 5.0
C NaN 6.0
- 设置
columns为多个列名，透视表将具有多个列索引。
# 多列透视
l_df.pivot(index='foo',columns=['bar','cat'],values='baz')
bar A B C A B C
cat alpha alpha alpha beta beta beta
foo
one 1.0 2.0 3.0 NaN NaN NaN
two NaN NaN NaN 4.0 5.0 6.0
- 设置
values为多个列名。
l_df.pivot(index='foo',columns='bar',values=['baz','zoo'])
baz zoo
bar A B C A B C
foo
one 1 2 3 4 6 8
two 4 5 6 1 2 9
2141
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
