这篇教程Pandas使用stack和pivot实现数据透视的方法写得很实用，希望能帮到您。
前言笔者最近正在学习Pandas数据分析，将自己的学习笔记做成一套系列文章。本节主要记录Pandas中使用stack和pivot实现数据透视。
一、经过统计得到多维度指标数据非常场景的统计场景，指定多个维度，计算聚合后的指标
实例：统计得到“电影评分数据集”，每个月份的每个分数被评分多少次:(月份、分数1-5、次数) import pandas as pdimport numpy as np%matplotlib inlinedf=pd.read_csv( "./datas/ml-1m/ratings.dat", sep="::", engine='python', names='UserID::MovieID::Rating::Timestamp'.split("::"), header=None)df.head()#将时间戳转换为具体的时间df['padate']=pd.to_datetime(df["Timestamp"],unit='s')df.head()df.dtypes#实现数据统计 # 对于这样格式的数据，我想查看按月份，不同评分的次数趋势，是没有办法进行实现的，需要将数据转换为每个评分是一列才可以实现。df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum) df_group.head(20)
二、使用unstack实现数据的二维透视目的： 想要画图对比按照月份的不同评分的数量趋势 df_stack=df_group.unstack()df_stackdf_stack.plot()#unstack和stack是互逆的操作df_stack.stack().head(20) 
三、使用pivot简化透视pivot方法相当于对df使用set_index创建分层索引，然后调用unstack df_group.head(20)df_reset=df_group.reset_index()df_reset.head()df_pivot=df_reset.pivot("padate","Rating","pv")df_pivot.head()df_pivot.plot()
四、stack、unstack、pivot的语法
1.stackstack:DataFrame.stack(level=-1,dropna=True),将column变成index，类似把横放的书籍变成竖放
level=-1代表多层索引的最内层，可以通过==0,1,2指定多层索引的对应层
2.unstackunstack:DataFrame.unstack(level=-1,fill_value=None)，将index变成column，类似把竖放的书变成横放
3.pivotpivot:DataFrame.pivot(index=None,columns=None,values=None)，指定index,columns,values实现二维透视
总结到此这篇关于Pandas使用stack和pivot实现数据透视的方法的文章就介绍到这了,更多相关Pandas stack和pivot数据透视内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
OpenCV 图像对比度的实践
python简单实现图片文字分割 |
