python和stata_在Python中实现Stata的stack功能

本文作者：王碧琪，中南财经政法大学金融学院

文字编辑：任 哲

技术总编：张馨月

一、多列变一列

在文章《用stack取代excel的数据重整操作吧》中介绍了Stata中的stack操作，今天本文将使用Python中的pandas库来实现相同功能。

（一）准备工作

首先，更改工作路径，导入相关库，读取xlsx文件。本文所使用的“身高.xlsx”文件中包含5列数据，每列数据包含12行，每一个变量值都是身高。将五列数据的列名分别设置为A、B、C、D、E，代表5个班级，我们的最终目的是把5列数据堆叠到1列中。

import os

os.chdir('g:/stack') #更改工作路径

import pandas as pd #导入pandas库

#多变一 读取xlsx文件

df1=pd.read_excel('身高.xlsx',header=None,names=['A','B','C','D','E']) #设置列名为A-E

print(df1)

image

（二）堆叠处理

下面，对该数据集进行堆叠处理，所使用的函数为pandas库中包含stack()函数。

该函数的官方描述为从列到索引堆叠指定类别。与当前数据相比，堆叠后的数据新生成了一个或者多个最内层索引，最内层索引是通过旋转当前数据的列而生成的。

该函数的语法为：DataFrame.stack（level=-1,dropna=True）

其中，level代表从列到索引的层次，默认为-1，dropna为是否删除包含缺失值的行，默认为True。

接下来对df1进行操作。

df2=df1.stack()

print(df2)

#df2.to_excel('out身高.xlsx') #导出数据

部分结果如下：

image

结果显示，df2包含2列数据，第一列为df1的列名，第二列为df1中对应的身高数据。stack()函数将df1中的A-E列堆叠到df2的第一列中，形成了一层新的内层索引。

（三）返回原始数据

pandas中也包含stack()函数的反函数unstack()，可以返回到堆叠前的数据。

df3=df2.unstack()

df3

image

可以看到，df3与最初的df1完全相同。

二、多列变多列

（一）读取数据

首先，读入“股票行情.csv”，该数据集共包括16列、59行数据。其中，前8列与后8列均为股票交易数据，由于列名不能重复，9-16列的列名自动加上后缀.1。

#多变多 读取csv文件

df4=pd.read_csv('股票行情.csv',encoding='gb18030')

df4

部分结果如下：

image

（二）拆分数据

接下来，选取第9-16列数据，重命名为1-8列的列名，使二者列名完全相同，方便下一步合并。

df5=df4.iloc[:,8:] #选取第9-16列的数据

df5.columns=['交易日期','证券代码','证券简称','前收','今收','升跌(%)','成交金额(元)','市盈率'] #重命名列名

df5

部分结果如下：

image

（三）重整数据

按照类似的原理，将前8列数据进行重整，创建df6。之后，采用append()函数纵向拼接。

df6=df4.iloc[:,:8] #选取前8列数据

df7=df6.append(df5,ignore_index=True) #将前8列数据和后8列数据纵向拼接，忽略索引值

df7

#df7.to_excel('out股票行情.xlsx') #导出数据

结果如下：

image

结果显示，df7中包含118行、8列数据，append()函数将上述两个df纵向拼接起来，得到目标结果。

以上就是如何利用Python中的pandas库进行操作来实现stack的功能。当然，本文只展示了其中部分功能，感兴趣的小伙伴们可以继续深挖学习pandas哦~