Pandas必知必會(huì)：4種數(shù)據(jù)透視函數(shù)

今天和大家分享Pandas中四種有關(guān)數(shù)據(jù)透視的通用函數(shù)，在數(shù)據(jù)處理中遇到這類需求時(shí)，能夠很好地應(yīng)對(duì)。

pandas.melt()

melt函數(shù)的主要作用是將DataFrame從寬格式轉(zhuǎn)換成長格式。

“

pandas.melt(frame,id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None, ignore_index=True)

”

參數(shù)含義

• id_vars：tuple, list, or ndarray，可選，作為標(biāo)識(shí)符變量的列
• value_vars：tuple, list, or ndarray, 可選，透視列，如果未指定，則使用未設(shè)置為id_vars的所有列。
• var_name：scalar，默認(rèn)為None，使用variable作為列名
• value_name：標(biāo)量, default ‘value’，value列的名稱
• col_level：int or str, 可選，如果列是多層索引，melt將應(yīng)用于指定級(jí)別
• ignore_index：bool, 默認(rèn)為True，相當(dāng)于從0開始重新排序。如果為False，則保留原來的索引，索引標(biāo)簽將出現(xiàn)重復(fù)。

看個(gè)例子先：

import pandas as pd

df = pd.DataFrame(
    {'地區(qū)': ['A', 'B', 'C'],
     '2020': [80, 60, 40],
     '2021': [800, 600, 400], 
     '2022': [8000, 6000, 4000]})

pd.melt(df,
        id_vars=['地區(qū)'],
        value_vars=['2020', '2021', '2022'])

設(shè)置var_name與value_name。

df = pd.melt(df,
             id_vars=['地區(qū)'],
             value_vars=['2020', '2021', '2022'],
             var_name='年份',
             value_name='銷售額')

pandas.pivot()

pivot函數(shù)主要用于通過索引及列值對(duì)DataFrame重構(gòu)。

“

pandas.pivot(data, index=None, columns=None, values=None)

”

參數(shù)含義

• data：DataFrame對(duì)象
• index：可選，用于新DataFrame的索引
• columns：用于創(chuàng)建新DataFrame的列
• values：可選，用于填充新DataFrame的值

用上面的結(jié)果舉個(gè)例子：

df.pivot(index='年份',
         columns='地區(qū)',
         values='銷售額')

也可以寫成以下格式。

df.pivot(index='年份', columns='地區(qū)')['銷售額']

添加一個(gè)銷量列，同時(shí)統(tǒng)計(jì)兩個(gè)values，這樣會(huì)使columns變成多層索引。

df['銷量'] = df['銷售額']/10
df.pivot(index='年份',
         columns='地區(qū)',
         values=['銷售額', '銷量'])

添加一個(gè)月份列，指定兩個(gè)index。

df['月份'] = [f'{m}月' for m in range(1, 4)]*3
df.pivot(index=['年份', '月份'],
         columns='地區(qū)',
         values='銷售額')

使用pivot時(shí)需要注意，當(dāng)index，columns出現(xiàn)重復(fù)時(shí)，會(huì)導(dǎo)致ValueError。

df = pd.DataFrame(
        {'地區(qū)': ['A', 'A', 'B', 'C'],
         '年份': ['2020', '2020', '2021', '2022'],
         '銷售額': [800, 600, 400, 200]})

df.pivot(index='地區(qū)',
         columns='年份',
         values='銷售額')
# ValueError

pandas.pivot_table()

這個(gè)函數(shù)之前已經(jīng)單獨(dú)講過了，詳見Pandas玩轉(zhuǎn)數(shù)據(jù)透視表，相比于pivot，pivot_table的靈活性更強(qiáng)。

pandas.crosstab()

crosstab函數(shù)計(jì)算兩個(gè)(或多個(gè))數(shù)組的簡(jiǎn)單交叉表。默認(rèn)情況下計(jì)算元素的頻率表。

“

pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

”

看下例子：
這里默認(rèn)計(jì)算頻率。

import numpy as np
array_A = np.array(["one", "two", "two", "three", "three", "three"], dtype=object)
array_B = np.array(["Python", "Python", "Python", "C", "C", "C"], dtype=object)
array_C = np.array(["Y", "Y", "Y", "N", "N", "N"])
pd.crosstab(array_A,
           [array_B, array_C],
           rownames=['array_A'],
           colnames=['array_B', 'array_C'])

新建一個(gè)values列，計(jì)算總和。

array_D = np.array([1, 4, 9, 16, 25, 36])
pd.crosstab(index=array_A,
            columns=[array_B, array_C],
            rownames=['array_A'],
            colnames=['array_B', 'array_C'],
            values=array_D,
            aggfunc='sum')

如果有不理解的地方可以自己動(dòng)手嘗試一下，也可以通過直接私信交流。感謝支持。

掃碼即可加我微信
學(xué)習(xí)交流
老表朋友圈經(jīng)常有贈(zèng)書/紅包福利活動(dòng)

萬水千山總是情，點(diǎn)個(gè) ?? 行不行。