pandas如何进行优雅的列转行、行转列？

一、列转行

1、背景描述

在日常处理数据过程中&＃xff0c;你们可能会经常遇到这种类型的数据&＃xff1a;

而我们用pandas进行统计分析时&＃xff0c;往往需要将结果转换成以下类型的数据&＃xff1a;

2.方法描述

准备数据

df &＃061; pd.DataFrame({&＃039;姓名&＃039;: [&＃039;A&＃039;,&＃039;B&＃039;,&＃039;C&＃039;],
&＃039;英语&＃039;:[90,60,70],
&＃039;数学&＃039;:[80,98,80],
&＃039;语文&＃039;:[85,90,75]})


这个实现的方法有多种形式&＃xff0c;这里集中进行展示

2.1 方法1

tmp&＃061;df.set_index([&＃039;姓名&＃039;]).stack()
tmp2&＃061;tmp.rename_axis(index&＃061;[&＃039;姓名&＃039;,&＃039;科目&＃039;])
tmp2.name&＃061;&＃039;分数&＃039;
tmp2.reset_index()


2.2 方法2

tmp&＃061;df.set_index([&＃039;姓名&＃039;]).stack()
tmp.index.names&＃061;[&＃039;姓名&＃039;,&＃039;科目&＃039;]
tmp.reset_index(name&＃061;&＃039;分数&＃039;)


2.3 方法3

tmp&＃061;df.set_index([&＃039;姓名&＃039;]).stack().reset_index()
tmp.columns&＃061;[&＃039;姓名&＃039;,&＃039;科目&＃039;,&＃039;分数&＃039;]


2.4 方法4

tmp&＃061;pd.melt(df,id_vars&＃061;&＃039;姓名&＃039;,var_name&＃061;&＃039;科目&＃039;,value_name&＃061;&＃039;分数&＃039;)


3 思考与总结

通过上述的对比&＃xff0c;相信各位已经明白其中的厉害之处了&＃xff0c;下面就来重点讲解一下melt这个函数。melt函数共有以下几个&＃xff1a;

4 思维延伸

4.1 例子1

转换前&＃xff1a;

转换后&＃xff1a;

实现的1种方法&＃xff1a;

#准备数据
df2 &＃061; pd.DataFrame({&＃039;姓名&＃039;: [&＃039;A&＃039;, &＃039;B&＃039;, &＃039;C&＃039;],
&＃039;班级&＃039;:[1,2,1],
&＃039;期中考试-英语&＃039;: [90, 60, 70],
&＃039;期中考试-数学&＃039;: [80, 98, 80],
&＃039;期中考试-语文&＃039;: [85, 90, 75],
&＃039;期末考试-英语&＃039;: [92, 63, 76],
&＃039;期末考试-数学&＃039;: [85,100, 89],
&＃039;期末考试-语文&＃039;: [87, 91, 80]})
#实现部分
t1&＃061;pd.melt(df2, id_vars&＃061;[&＃039;姓名&＃039;,&＃039;班级&＃039;], var_name&＃061;&＃039;科目&＃039;, value_name&＃061;&＃039;分数&＃039;)
t2&＃061;t1.set_index([&＃039;姓名&＃039;,&＃039;班级&＃039;,&＃039;分数&＃039;])[&＃039;科目&＃039;].str.split(&＃039;-&＃039;,expand&＃061;True).reset_index()
t2.set_index([&＃039;姓名&＃039;,&＃039;班级&＃039;,0,1]).unstack().reset_index().rename_axis()
t3&＃061;t2.set_index([&＃039;姓名&＃039;,&＃039;班级&＃039;,0,1]).unstack()
t3.columns&＃061;t3.columns.droplevel(0)
result&＃061;t3.rename_axis(columns&＃061;None).reset_index().rename(columns&＃061;{0:&＃039;考试类型&＃039;})
result


4.2 例子2

转换前&＃xff1a;

转换后&＃xff1a;

实现方法举例&＃xff1a;

pd.lreshape(df2,{&＃039;英语&＃039;:[&＃039;期中考试-英语&＃039;,&＃039;期末考试-英语&＃039;],
&＃039;数学&＃039;:[&＃039;期中考试-数学&＃039;,&＃039;期末考试-数学&＃039;],
&＃039;语文&＃039;:[&＃039;期中考试-语文&＃039;,&＃039;期末考试-语文&＃039;]})


二、行转列

在一中&＃xff0c;我们已经完成了对于列转行的任务&＃xff0c;即将本文一中的多列df转为tmp&＃xff0c;那现在假如需要进行列转行又该如何操作呢&＃xff1f;

1.准备数据

tmp&＃061;pd.DataFrame({&＃039;姓名&＃039;:[&＃039;A&＃039;, &＃039;B&＃039;, &＃039;C&＃039;, &＃039;A&＃039;, &＃039;B&＃039;, &＃039;C&＃039;, &＃039;A&＃039;, &＃039;B&＃039;, &＃039;C&＃039;],
&＃039;科目&＃039;:[&＃039;英语&＃039;, &＃039;英语&＃039;, &＃039;英语&＃039;, &＃039;数学&＃039;, &＃039;数学&＃039;, &＃039;数学&＃039;, &＃039;语文&＃039;, &＃039;语文&＃039;, &＃039;语文&＃039;],
&＃039;分数&＃039;:[90, 60, 70, 80, 98, 80, 85, 90, 75]})
tmp


2.行转列实现

2.1 方法1

df&＃061;tmp.set_index([&＃039;姓名&＃039;,&＃039;科目&＃039;])[&＃039;分数&＃039;].unstack()
df.columns.name&＃061;None
df&＃061;df.reset_index()


2.2 方法2

tmp2&＃061;tmp.set_index([&＃039;姓名&＃039;,&＃039;科目&＃039;])[&＃039;分数&＃039;].unstack()
df&＃061;tmp2.rename_axis(columns&＃061;None).reset_index()


2.3 方法3

df&＃061;tmp.pivot(index&＃061;&＃039;姓名&＃039;,columns&＃061;&＃039;科目&＃039;,values&＃061;&＃039;分数&＃039;).rename_axis(columns&＃061;None).reset_index()


3.思考与总结

从行转列的例子中&＃xff0c;我们可以发现核心的函数是unstack。unstack是将多重索引形式的数据&＃xff0c;转换为标准表格形式的数据&＃xff0c;unstack主要由两个参数组成&＃xff1a;

来源：theskylife