12月组队学习——第五章 变形

第五章 变形

学习时间：

12月26日-12月27日

学习内容：

一、长宽表的变形

长表和宽表的理解：

• 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。

1. pivot

pivot 是一种典型的长表变宽表的函数

长表变宽表的三要素：

• 分别是变形后的行索引—— index
• 需要转到列索引的列——columns
• 这些列和行索引对应的数值—— values

参考一张图：

注意：
利用 pivot 进行变形操作需要满足唯一性的要求，即由于在新表中的行列索引对应了唯一的 value ，因此原表中的 index 和 columns 对应两个列的行组合必须唯一。

pandas 从 1.1.0 开始， pivot 相关的三个参数允许被设置为列表，这也意味着会返回多级索引。

要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：

 pivot_multi = df.pivot(index = ['Class', 'Name'],
                       columns = ['Subject','Examination'],
                        values = ['Grade','rank'])

2. pivot_table

pivot 的使用依赖于唯一性条件，那如果不满足唯一性条件，那么必须通过聚合操作使得相同行列组合对应的多个值变为一个值。

pandas 中提供了 pivot_table 来实现，其中的 aggfunc 参数就是使用的聚合函数。

例如，张三和李四都参加了两次语文考试和数学考试，按照学院规定，最后的成绩是两次考试分数的平均值

pivot_table 具有边际汇总的功能，可以通过设置 margins=True 来实现

3. melt

可以通过相应的逆操作把宽表转为长表

主要压缩过程如下：

4. wide_to_long

想要把 values_name 对应的 Grade 扩充为两列分别对应语文分数和数学分数，只把期中期末的信息压缩，这种需求下就要使用 wide_to_long 函数来完成。

二、索引的变形

1. stack与unstack

unstack 函数的作用是把行索引转为列索引
stack 的作用就是把列索引的层压入行索引

unstack 的主要参数是移动的层号，默认转化最内层，移动到列索引的最内层，同时支持同时转化多个层

2. 聚合与变形的关系

除了带有聚合效果的 pivot_table 以外，所有的函数在变形前后并不会带来 values 个数的改变，只是这些值在呈现的形式上发生了变化。

三、其他变形函数

1. crosstab

crosstab 可以统计元素组合出现的频数，即 count 操作

crosstab 并不是一个值得推荐使用的函数，因为它能实现的所有功能 pivot_table 都能完成，并且速度更快。

2. explode

explode 参数能够对某一列的元素进行纵向的展开，被展开的单元格必须存储 list, tuple, Series, np.ndarray 中的一种类型。

3. get_dummies

get_dummies 作用是把类别特征转为指示变量