本系列文章配套代码获取有以下三种途径：
-
可以在以下网站查看，该网站是使用JupyterLite搭建的web端Jupyter环境，因此无需在本地安装运行环境即可使用，首次运行浏览器需要下载一些配置文件（大约20M）：
https://returu.github.io/Python_Data_Analysis/lab/index.html-
也可以通过百度网盘获取，需要在本地配置代码运行环境，环境配置可以查看【Python基础】2.搭建Python开发环境：
链接：https://pan.baidu.com/s/1MYkeYeVAIRqbxezQECHwcA?pwd=mnsj提取码：mnsj
-
前往GitHub详情页面，单击 code 按钮，选择Download ZIP选项：
https://github.com/returu/Python_Data_Analysis根据《Python for Data Analysis 3rd Edition》翻译整理
—————————————————–
1.将“长”转换为“宽”格式：
以下面的DataFrame为例：
1>>> df = pd.DataFrame({"Style":["one", "two", "three","one", "two", "three","one", "two", "three"],
2... "variable":["A","A","A","B","B","B","C","C","C"],
3... "value":[1,2,3,4,5,6,7,8,9]})
4
5>>> df
6 Style variable value
70 one A 1
81 two A 2
92 three A 3
103 one B 4
114 two B 5
125 three B 6
136 one C 7
147 two C 8
158 three C 9
pivot方法中传入的前两个值分别用于生成结果中的行和列索引，然后以可选的数值列填充DataFrame。
1>>> df_pivot = df.pivot(index="Style",columns="variable",values="value")
2>>> df_pivot
3variable A B C
4Style
5one 1 4 7
6three 3 6 9
7two 2 5 8
8
9>>> df_pivot.index
10Index(['one', 'three', 'two'], dtype='object', name='Style')
11
12>>> df_pivot.columns
13Index(['A', 'B', 'C'], dtype='object', name='variable')
如果想重塑时保留两个数据列的话，去除最后一个参数即可。
1>>> df['value2'] = [10,11,12,13,14,15,16,17,18]
2>>> df
3 Style variable value value2
40 one A 1 10
51 two A 2 11
62 three A 3 12
73 one B 4 13
84 two B 5 14
95 three B 6 15
106 one C 7 16
117 two C 8 17
128 three C 9 18
13
14>>> df.pivot(index="Style",columns="variable")
15 value value2
16variable A B C A B C
17Style
18one 1 4 7 10 13 16
19three 3 6 9 12 15 18
20two 2 5 8 11 14 17
pivot方法等价于使用set_index方法创建分层索引，然后再调用unstack方法。
1>>> df.set_index(["Style","variable"])
2 value value2
3Style variable
4one A 1 10
5two A 2 11
6three A 3 12
7one B 4 13
8two B 5 14
9three B 6 15
10one C 7 16
11two C 8 17
12three C 9 18
13
14>>> df.set_index(["Style","variable"]).unstack()
15 value value2
16variable A B C A B C
17Style
18one 1 4 7 10 13 16
19three 3 6 9 12 15 18
20two 2 5 8 11 14 17
如果指定的 index + columns 构成的数据里面存在重复的情况，将会报错。
1>>> df
2 Style variable value
30 one A 1
41 two A 2
52 three A 3
63 one B 4
74 two B 5
85 three B 6
96 one C 7
107 two C 8
118 three C 9
12
13# 修改第二行第一列的数据
14>>> df.iloc[1,0] = "one"
15>>> df
16 Style variable value
170 one A 1
181 one A 2
192 three A 3
203 one B 4
214 two B 5
225 three B 6
236 one C 7
247 two C 8
258 three C 9
26>>> df.pivot(index="Style",columns="variable")
27ValueError: Index contains duplicate entries, cannot reshape
2.将“宽”转换为“长”格式：
在DataFrame中，pivot方法的反操作是pandas.melt方法。该方法将多列合并为一列，生成一个新的DataFrame，其长度比输入更长。
使用melt方法时需要指明哪些列是分组指标（如果有的话）。
1>>> df = pd.DataFrame({'Style':['one','two','three'],'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
2>>> df
3 Style A B C
40 one 1 4 7
51 two 2 5 8
62 three 3 6 9
7
8# 将Style列作为分组指标
9>>> df_melted = pd.melt(df,id_vars=['Style'])
10>>> df_melted
11 Style variable value
120 one A 1
131 two A 2
142 three A 3
153 one B 4
164 two B 5
175 three B 6
186 one C 7
197 two C 8
208 three C 9
使用pivot方法，可以将数据重塑会原来的布局。
由于pivot之后的结果根据作为行标签的列生成索引，此时需要使用reset_index方法将数据回移一列。
1>>> df_re = df_melted.pivot(index="Style",columns="variable",values="value")
2>>> df_re
3variable A B C
4Style
5one 1 4 7
6three 3 6 9
7two 2 5 8
8
9>>> df_re.reset_index()
10variable Style A B C
110 one 1 4 7
121 three 3 6 9
132 two 2 5 8
也可以指定列的子集作为值列。
1>>> df
2 Style A B C
30 one 1 4 7
41 two 2 5 8
52 three 3 6 9
6
7>>> pd.melt(df , id_vars=["Style"] , value_vars=["A","B"])
8 Style variable value
90 one A 1
101 two A 2
112 three A 3
123 one B 4
134 two B 5
145 three B 6
15
16>>> pd.melt(df , id_vars=["Style"] , value_vars=["A"])
17 Style variable value
180 one A 1
191 two A 2
202 three A 3
pandas.melt 方法也可以无须任何分组指标。
1>>> df
2 Style A B C
30 one 1 4 7
41 two 2 5 8
52 three 3 6 9
6
7>>> pd.melt(df ,value_vars=["A","B"])
8 variable value
90 A 1
101 A 2
112 A 3
123 B 4
134 B 5
145 B 6
15
16>>> pd.melt(df ,value_vars=["Style","A","B"])
17 variable value
180 Style one
191 Style two
202 Style three
213 A 1
224 A 2
235 A 3
246 B 4
257 B 5
268 B 6
本篇文章来源于微信公众号: 码农设计师
