Pandas 13-定位、旋转数据表（行列转换）

1. 行/列转换（Pivot）

pivot 方法用于将数据从长格式转换为宽格式，即行转列。

示例代码

import pandas as pd  
  
# 创建示例 DataFrame  
df = pd.DataFrame({  
    '日期': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],  
    '城市': ['北京', '上海', '北京', '上海'],  
    '温度': [3, 5, 4, 6]  
})  
  
# 行转列  
pivot_df = df.pivot(index='日期', columns='城市', values='温度')  
print(pivot_df)  

输出：

城市        上海  北京  
日期  
2023-01-01   5   3  
2023-01-02   6   4  

2. 透视表（Pivot Table）

pivot_table 方法类似于 pivot，但更灵活，可以进行聚合操作。

示例代码

# 创建示例 DataFrame  
df = pd.DataFrame({  
    '日期': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],  
    '城市': ['北京', '上海', '北京', '上海'],  
    '温度': [3, 5, 4, 6]  
})  
  
# 创建透视表  
pivot_table_df = df.pivot_table(index='日期', columns='城市', values='温度', aggfunc='mean')  
print(pivot_table_df)  

输出：

城市        上海  北京  
日期  
2023-01-01   5   3  
2023-01-02   6   4  

3. 堆叠（Stack）

stack 方法用于将列索引转换为行索引，即将宽格式数据转换为长格式数据。

示例代码

# 创建示例 DataFrame  
df = pd.DataFrame({  
    '日期': ['2023-01-01', '2023-01-02'],  
    '北京': [3, 4],  
    '上海': [5, 6]  
})  
  
# 堆叠  
stacked_df = df.set_index('日期').stack().reset_index()  
stacked_df.columns = ['日期', '城市', '温度']  
print(stacked_df)  

输出：

        日期  城市  温度  
0  2023-01-01  北京   3  
1  2023-01-01  上海   5  
2  2023-01-02  北京   4  
3  2023-01-02  上海   6  

4. 取消堆叠（Unstack）

unstack 方法用于将行索引转换为列索引，即将长格式数据转换为宽格式数据。

示例代码

# 创建示例 DataFrame  
df = pd.DataFrame({  
    '日期': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],  
    '城市': ['北京', '上海', '北京', '上海'],  
    '温度': [3, 5, 4, 6]  
})  
  
# 设置多重索引  
multi_index_df = df.set_index(['日期', '城市'])  
  
# 取消堆叠  
unstacked_df = multi_index_df.unstack('城市')  
print(unstacked_df)  

输出：

     温度  
城市      上海  北京  
日期  
2023-01-01   5   3  
2023-01-02   6   4