Pandas_规整数据_转换数据_pivot()

转换数据

将 column values 设置为 index / columns，重构DataFrame

(将列数据设定为行索引和列索引(改变 DataFrame 的结构，不做任何运算))

df.pivot() 将长数据集转换成宽数据集

df.pivot(index=None， columns=None，values=None)

参数	类型	说明
index	string object	列名（可选项） 将现有的 column values 设置为新 DataFrame 的 index，如果忽略，则使用现有的index
columns	string object	列名 将现有的 column values 设置为新 DataFrame 的 columns
values	string object	列名（可选项） 将现有的 column values 设置为新 DataFrame 的 values，如果忽略，则将其他的 column values 全部作为新DataFrame 的 values

>>> df
    foo   bar  baz  zoo
0   one   A    1    x
1   one   B    2    y
2   one   C    3    z
3   two   A    4    q
4   two   B    5    w
5   two   C    6    t

>>> df.pivot('foo', 'bar', 'baz') / df.pivot(index='foo', columns='bar', values='baz')
bar  A   B   C
foo
one  1   2   3
two  4   5   6

#没有设置values时，使用其余的所有列作为values
#生成多级列索引，columns设置的列索引作为最内层列索引
>>> df.pivot(index='foo', columns='bar') / df.pivot(index='foo', columns='bar', values=['baz', 'zoo'])
      baz       zoo
bar   A  B  C   A  B  C
foo
one   1  2  3   x  y  z
two   4  5  6   q  w  t

>>> df1= df.pivot(index='foo', columns='bar') 
>>> df1['baz']
      baz    
bar   A  B  C
foo
one   1  2  3
two   4  5  6
>>> df1['bar']
      zoo
bar   A  B  C
foo
one   x  y  z
two   q  w  t

#没有设置index时，使用现有的index作为新的 DataFrame 的index
#产生缺省值，用NaN填充
>>> df.pivot(columns='bar',values='baz')
bar	A	B	C
0	1.0	NaN	NaN
1	NaN	2.0	NaN
2	NaN	NaN	3.0
3	4.0	NaN	NaN
4	NaN	5.0	NaN
5	NaN	NaN	6.0

-------------------------------------------------------------------------------------------------------------------------------------

df.pivot() 与 df.unstack()

df.pivot()将 column values 设定为index / columns

df.unstack()将 index 转换为 columns

pivot() 其实就是用 set_index() 创建层次化索引，再用 unstack() 重塑

df      foo    bar   baz   0    one   A     1     1    one   B     2     2    two   A     3     3    two   B     4
df1.pivot('foo','bar')	df.set_index(['foo','bar']) '设定df的index
	df.set_index(['foo','bar']).unstack('bar') ‘内层index 转换为 columns
baz        bar       A      B  foo one      1      2  two      3      4