pandas中数据框的reshape操作

欢迎关注”生信修炼手册”!

数据框的长宽转换对于熟悉R语言的朋友而言，应该不会陌生。使用ggplot2画图时，最常用的数据处理就是长宽转换了。在pandas中，也提供了数据框的长宽转换功能，有以下几种实现方式

1. stack

stack函数的基本用法如下

>>> import pandas as pd
>>> import numpy as np
>>> a = pd.DataFrame(np.random.rand(4, 2),index=['G1', 'G2', 'G3', 'G4'], columns=['A', 'B'])
>>> a
           A B
G1 0.353756 0.349514
G2 0.958544 0.085568
G3 0.041538 0.910649
G4 0.230912 0.500152

>>> a.stack()
G1 A 0.353756
  B 0.349514
G2 A 0.958544
  B 0.085568
G3 A 0.041538
  B 0.910649
G4 A 0.230912
  B 0.500152
dtype: float64

用法很简单，将所有的列标签转换为行标签，将对应的值转换为新的数据框中的某一列，从而实现了数据框由宽到长的转换。

对于列标签为multiindex的情况，还可以通过level和dropna两个参数来控制其转换的行为。level参数指定multiindex的下标，默认为-1，使用最后一个index进行转换，用法如下

>>> multi_index = pd.MultiIndex.from_tuples([('groupA', 'A'),('groupB', 'B')])
>>> a = pd.DataFrame(np.random.rand(4, 2),index=['G1', 'G2', 'G3', 'G4'], columns=multi_index)
>>> a
  groupA   groupB
    A       B
G1 0.546331  0.808608
G2 0.013087  0.237910
G3 0.122436  0.174456
G4 0.329789  0.285292

# 默认用最后一个列标签，(A, B)
>>> a.stack()
   groupA  groupB
G1 A 0.546331 NaN
  B NaN    0.808608
G2 A 0.013087 NaN
  B NaN    0.237910
G3 A 0.122436 NaN
  B NaN    0.174456
G4 A 0.329789 NaN
  B NaN    0.285292

# 列标签的长度为2，下标-1和1对应同一个值
>>> a.stack(level=1)
   groupA  groupB
G1 A 0.546331 NaN
  B NaN    0.808608
G2 A 0.013087 NaN
  B NaN    0.237910
G3 A 0.122436 NaN
  B NaN    0.174456
G4 A 0.329789 NaN
  B NaN    0.285292

# 0表示使用第一个列标签（groupA, groupB）
>>> a.stack(level=0)
       A    B
G1 groupA 0.546331 NaN
  groupB NaN    0.808608
G2 groupA 0.013087 NaN
  groupB NaN    0.237910
G3 groupA 0.122436 NaN
  groupB NaN    0.174456
G4 groupA 0.329789 NaN
  groupB NaN    0.285292


# 也可以用列表的形式，同时指定多个标签
>>> a.stack(level=[0,1])
G1 groupA A 0.546331
  groupB B 0.808608
G2 groupA A 0.013087
  groupB B 0.237910
G3 groupA A 0.122436
  groupB B 0.174456
G4 groupA A 0.329789
  groupB B 0.285292
dtype: float64

指定了多个列标签时，全部转换会出现NaN值，默认情况下，会去除NaN值，这个行为有dropna参数进行控制，示例如下

# dropna默认值为True, 去除NaN
>>> a.stack(level=[0,1], dropna=True)
G1 groupA A 0.546331
  groupB B 0.808608
G2 groupA A 0.013087
  groupB B 0.237910
G3 groupA A 0.122436
  groupB B 0.1