第五課： - Stack / Unstack / Transpose函數

 

第 5 課

 

咱們將簡要介紹 stack 和 unstack 以及 T (Transpose)函數。

在用pandas進行數據重排時，常常用到stack和unstack兩個函數。stack的意思是堆疊，堆積，unstack即「不要堆疊」，我對兩個函數是這樣理解和區分的。

　　常見的數據的層次化結構有兩種，一種是表格，一種是「花括號」，即下面這樣的兩種形式：

	store1	store2	store3
street1	1	2	3
street2	4	5	6

                                  

 　　表格在行列方向上均有索引（相似於DataFrame），花括號結構只有「列方向」上的索引（相似於層次化的Series），結構更加偏向於堆疊（Series-stack，方便記憶）。stack函數會將數據從」表格結構「變成」花括號結構「，即將其行索引變成列索引，反之，unstack函數將數據從」花括號結構「變成」表格結構「，即要將其中一層的列索引變成行索引

In [1]:

# Import libraries
import pandas as pd import sys 

In [2]:

print('Python version ' + sys.version) print('Pandas version: ' + pd.__version__) 

 

Python version 3.5.1 |Anaconda custom (64-bit)| (default, Feb 16 2016, 09:49:46) [MSC v.1900 64 bit (AMD64)]

Pandas version: 0.20.1

In [3]:

# Our small data set
d = {'one':[1,1],'two':[2,2]} i = ['a','b'] # Create dataframe df = pd.DataFrame(data = d, index = i) df 

Out[3]:

	one	two
a	1	2
b	1	2

In [4]:

df.index 

Out[4]:

Index(['a', 'b'], dtype='object')

In [5]:

#把列放到索引

stack = df.stack() 

stack 

Out[5]:

a  one    1
   two    2
b  one    1
   two    2
dtype: int64

In [6]:

#如今索引包含列名稱

stack.index 

Out[6]:

MultiIndex(levels=[['a', 'b'], ['one', 'two']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]])

In [7]:

unstack = df.unstack() unstack 

Out[7]:

one  a    1
     b    1
two  a    2
     b    2
dtype: int64

In [8]:

unstack.index 

Out[8]:

MultiIndex(levels=[['one', 'two'], ['a', 'b']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]]) 

咱們還可使用T（轉置）函數來使用索引翻轉列名稱。

In [9]:

transpose = df.T transpose 

Out[9]:

	a	b
one	1	1
two	2	2

In [10]:

transpose.index 

Out[10]:

Index(['one', 'two'], dtype='object')

 

This tutorial was rewrited by 六尺巷人_CDS