pandas Task04-变形

最新推荐文章于 2021-01-01 23:48:34 发布

Ivan_禧

最新推荐文章于 2021-01-01 23:48:34 发布

阅读量250

点赞数

分类专栏： Datawhale pandas开源课程

本文链接：https://blog.csdn.net/qq_41760902/article/details/105828027

版权

这篇博客总结了Pandas中的变形函数，包括melt、crosstab、pivot、pivot_table、stack和unstack的特点。melt用于使表格变窄，pivot_table和pivot类似但更强大，crosstab是计数版的pivot_table。stack将列转换为行，unstack则相反。变形函数与多级索引关系密切，某些函数如pivot_table能改变索引维数。同时，文章探讨了stack和unstack的组合使用及透视表中三个函数的速度比较。

摘要由CSDN通过智能技术生成

1. 问题

【问题一】上面提到了许多变形函数，如melt/crosstab/pivot/pivot_table/stack/unstack函数，请总结它们各自的使用特点。

pivot_table 就像excel里面的透视表(名字都是一样的),index 是行字段, columns是列字段, values 是值字段. 其中aggfunc 输入的是values 的加工逻辑如
写法是 aggfunc = [‘mean’,‘sum’,‘std’], 可以用pd.pivot_table, 也可以用DataFrame.pivot_table
而pivot可看做是pivot_table 的高效简化版, 速度上有所提升, 但每次只允许传入一个列以及一个index, 而且不能有重复配对.
与pivot 相反的就是 melt, 正如教材里面说的, pivot_table 是把表格拉"宽", 而melt 则是把表格变"窄", 这也是melt的意思.主要参数也是index,columns, values.
crosstab 就是计数版的pivot_table, 但不支持多级分组, values 与 aggfunc 成对出现. 且与pivot_table不一样的地方在于, crosstab 不一定作用与同一个dataframe, 传入值的时候需要连通表格名称一并传入
stack 把列字段转换成行字段, 支持多层索引, 传入的数值参数代表第几层列索引
unstack 与stack相反