python行转列 pandas,pandas.DataFrame的pivot()和unstack()实现行转列

代码如下：

# -*- coding:utf-8 -*-

import pandas as pd

import MySQLdb

from warnings import filterwarnings

# 由于create table if not exists总会抛出warning，因此使用filterwarnings消除

filterwarnings('ignore', category = MySQLdb.Warning)

from sqlalchemy import create_engine

import sys

if sys.version_info.major<3:

reload(sys)

sys.setdefaultencoding("utf-8")

# 此脚本适用于python2和python3

host,port,user,passwd,db,charset="192.168.1.193",3306,"leo","mysql","test","utf8"

def get_df():

global host,port,user,passwd,db,charset

conn_config={"host":host, "port":port, "user":user, "passwd":passwd, "db":db,"charset":charset}

conn = MySQLdb.connect(**conn_config)

result_df=pd.read_sql('select UserName,Subject,Score from TEST',conn)

return result_df

def pivot(result_df):

df_pivoted_init=result_df.pivot('UserName','Subject','Score')

df_pivoted = df_pivoted_init.reset_index() # 将行索引也作为DataFrame值的一部分，以方便存储数据库

return df_pivoted_init,df_pivoted

# 返回的两个DataFrame，一个是以姓名作index的，一个是以数字序列作index，前者用于unpivot，后者用于save_to_mysql

def unpivot(df_pivoted_init):

# unpivot需要进行df_pivoted_init二维表格的行、列索引遍历，需要拼SQL因此不能使用save_to_mysql存数据，这里使用SQL和MySQLdb接口存

insert_sql="insert into test_unpivot(UserName,Subject,Score) values "

# 处理值为NaN的情况

df_pivoted_init=df_pivoted_init.fillna(0)

for col in df_pivoted_init.columns:

for index in df_pivoted_init.index:

value=df_pivoted_init.at[index,col]

if value!=0:

insert_sql=insert_sql+"('%s','%s',%s)" %(index,col,value)+','

insert_sql = insert_sql.strip(',')

global host, port, user, passwd, db, charset

conn_config = {"host": host, "port": port, "user": user, "passwd": passwd, "db": db, "charset": charset}

conn = MySQLdb.connect(**conn_config)

cur=conn.cursor()

cur.execute("create table if not exists test_unpivot like TEST")

cur.execute(insert_sql)

conn.commit()

conn.close()

def save_to_mysql(df_pivoted,tablename):

global host, port, user, passwd, db, charset

"""

只有使用sqllite时才能指定con=connection实例，其他数据库需要使用sqlalchemy生成engine，engine的定义可以添加?来设置字符集和其他属性

"""

conn="mysql://%s:%s@%s:%d/%s?charset=%s" %(user,passwd,host,port,db,charset)

mysql_engine = create_engine(conn)

df_pivoted.to_sql(name=tablename, con=mysql_engine, if_exists='replace', index=False)

# 从TEST表读取源数据至DataFrame结构

result_df=get_df()

# 将源数据行转列为二维表格形式

df_pivoted_init,df_pivoted=pivot(result_df)

# 将二维表格形式的数据存到新表test中

save_to_mysql(df_pivoted,'test')

# 将被行转列的数据unpivot，存入test_unpivot表中

unpivot(df_pivoted_init)

结果如下：

关于Pandas DataFrame类自带的pivot方法：

DataFrame.pivot(index=None, columns=None, values=None)：

Return reshaped DataFrame organized by given index / column values.

这里只有3个参数，是因为pivot之后的结果一定是二维表格，只需要行列及其对应的值，而且也因为是二维表格，unpivot之后is_pass列是肯定会丢失的，因此一开始我就没查这个列。

补充说明：

在学习到Pandas的层次化索引部分时发现了2个很有意思的函数，也可以进行行列互转，其用法如下：

(很久之后我才意识到，pivot只是封装了unstack的一个快捷方式而已，其本质上还是先用set_index建立层次化索引，然后用unstack进行重塑，就像我在下面示例做的操作)

df=pd.DataFrame(np.random.randn(20).reshape(4,5),index=[['a','a','b','b'],[1,2,3,4]],columns=[10,20,30,40,50])

In [96]: df

Out[96]:

10 20 30 40 50

a 1 0.945775 0.768337 0.851630 -1.050475 -1.102554

2 -0.366129 0.353388 -0.722637 -0.056877 1.178270

b 3 0.885536 0.210911 2.067309 1.283721 -0.432906

4 0.173504 1.263630 1.264698 0.913879 1.156815

In [98]: df.stack()

Out[98]:

a 1 10 0.945775

20 0.768337

30 0.851630

40 -1.050475

50 -1.102554

2 10 -0.366129

20 0.353388

30 -0.722637

40 -0.056877

50 1.178270

b 3 10 0.885536

20 0.210911

30 2.067309

40 1.283721

50 -0.432906

4 10 0.173504

20 1.263630

30 1.264698

40 0.913879

50 1.156815

In [99]: df.stack().unstack()

Out[99]:

10 20 30 40 50

a 1 0.945775 0.768337 0.851630 -1.050475 -1.102554

2 -0.366129 0.353388 -0.722637 -0.056877 1.178270

b 3 0.885536 0.210911 2.067309 1.283721 -0.432906

4 0.173504 1.263630 1.264698 0.913879 1.156815

以上利用了Pandas的层次化索引，实际上这也是层次化索引一个主要的用途，结合本例我们可以把代码改成如下：

result_df=pd.read_sql('select UserName,Subject,Score from TEST',conn)

# 在从数据库中获取的数据格式是这样的：

UserName Subject Score

0 张三 语文 80.0

1 张三 数学 90.0

2 张三 英语 70.0

3 张三 生物 85.0

4 李四 语文 80.0

5 李四 数学 92.0

6 李四 英语 76.0

7 王五 语文 60.0

8 王五 数学 82.0

9 王五 英语 96.0

10 王五 生物 78.0

# 如果要使用层次化索引，那么我们只需要把UserName和Subject列设置为层次化索引，Score为其对应的值即可，我们借用set_index()函数：

df=result_df.set_index(['UserName','Subject'])

In [112]: df.unstack()

Out[112]:

Score

Subject 数学 生物 英语 语文

UserName

张三 90.0 85.0 70.0 80.0

李四 92.0 NaN 76.0 80.0

王五 82.0 78.0 96.0 60.0

# 使用stack可以将unstack的结果转回来，这样就也在形式上实现了行列互转，之后的操作基本一致了。