数据仓库与数据挖掘实验练习8

pivot_table()透视表

python 复制代码
sales.pivot_table(
    values = 'Revenue',
    index = 'Date', 
    columns = 'Name',
    aggfunc = 'sum',
    fill_value = 0,
    margins = True,
    margins_name = '总计'
)

使用 Pandas 的 pivot_table 函数将一个名为 sales 的 DataFrame 转化为透视表。

1. sales.pivot_table(...)

  • sales: 这是你的 DataFrame 的名称,包含了你要进行透视分析的数据。

2. values='Revenue'

  • values: 指定你要聚合的列的名称,这里是要聚合 Revenue 列。

3. index='Date'

  • index: 指定要作为透视表行索引的列的名称,这里是要按 Date 列进行分组。

4. columns='Name'

  • columns: 指定要作为透视表列索引的列的名称,这里是要按 Name 列进行分组。

5. aggfunc='sum'

  • aggfunc: 指定对 values 列进行的聚合函数,这里是要对 Revenue 列进行求和。

6. fill_value=0

  • fill_value: 指定透视表中缺失值的填充值,这里将所有缺失值填充为 0。

7. margins=True

  • margins: 指定是否计算行和列的总计,这里是要计算总计。

8. margins_name='总计'

  • margins_name: 指定行和列总计的名称,这里将总计的名称设置为 "总计"。

总结:

这段代码将 sales DataFrame 中 Revenue 列的值按照 Date 列和 Name 列进行分组,并使用 sum 函数对每个分组的 Revenue 值进行求和,最终生成一个透视表。透视表中将 Date 列作为行索引,Name 列作为列索引,每个单元格的值表示对应日期和名字的 Revenue 之和。此外,代码还计算了行和列的总计,并将总计的名称设置为 "总计"。
示例:

假设 sales DataFrame 包含以下数据:

Date Name Revenue
2023-01-01 Alice 100
2023-01-01 Bob 200
2023-01-02 Alice 150
2023-01-02 Charlie 300

执行这段代码后,生成的透视表将如下所示:

Alice Bob Charlie 总计
2023-01-01 100 200 0 300
2023-01-02 150 0 300 450
总计 250 200 300 750

stack() 多变单

将一个多层索引 DataFrame(by_name_and_date)转换为一个单层索引 DataFrame。

解释:

  1. by_name_and_date : 这是一个 DataFrame 对象,其索引是多层的。这意味着它的索引包含多个级别,例如,可能包含 NameDate 两个级别。

  2. stack() : 这是一个 Pandas DataFrame 的方法,用于将 DataFrame 的多层索引转换为单层索引。具体来说,它会将 DataFrame 的列索引(最内层索引)提升到行索引中,并将原来的行索引和列索引合并成一个新的行索引。

示例:

by_name_and_date DataFrame 如下所示:

执行 by_name_and_date.stack() 后,DataFrame 将变为:

unstack() 单变多

将一个多层索引 DataFrame(sales_by_customer)转换为一个具有层次结构的列索引 DataFrame。

解释:

  1. sales_by_customer : 这是一个 DataFrame 对象,其索引是多层的。这意味着它的索引包含多个级别,例如,可能包含 CustomerProduct 两个级别。

  2. unstack(): 这是一个 Pandas DataFrame 的方法,用于将 DataFrame 的行索引(最内层索引)转换为列索引。具体来说,它会将 DataFrame 的行索引中的一个级别提升到列索引中,形成一个层次结构的列索引。

示例:

sales_by_customer DataFrame 如下所示:

执行 sales_by_customer.unstack() 后,DataFrame 将变为:

melt()

melt()函数用于将宽格式的数据转换为长格式。

重要的参数:

  1. id_vars: 可选参数,指定要保留为标识变量的列名列表。这些列的值将被复制到长格式数据的每一行中,以保持其唯一性。

  2. value_vars: 可选参数,指定要转换为长格式的列名列表。如果未指定,则默认为除了"id_vars"之外的所有列。

  3. var_name: 指定在转换后的DataFrame中,新生成的列(用来表示原宽格式列名)的名称,默认为'variable'。

  4. value_name: 指定在转换后的DataFrame中,新生成的列(用来存放原宽格式列的值)的名称,默认为'value'。

  5. col_level: 如果DataFrame有层次化的列名,此参数可以指定哪一层列名用于melting操作。

  6. ignore_index: 布尔值,默认为False。如果设为True,将重置转换后DataFrame的索引。

  7. pivot_names: 仅在Pandas 1.3及更高版本中可用,用于控制是否将原宽格式列名的层次化信息合并为一个变量名。

宽格式(Wide Format)和长格式(Long Format/Tidy Format)

是数据处理和数据分析中两种常见的数据组织形式。

宽格式的特点是每个变量占据一列,而每个观察对象(如不同的时间点、实验条件等)通常占据一行。这种格式适合于查看某个特定时间点或条件下多个变量的值,但在进行时间序列分析、分组操作或绘制涉及多个变量变化的图表时可能会比较复杂。

长格式则将数据重新组织,使得每个观察结果占据一行,且有明确的变量名和对应的值。一般而言,长格式数据包含三个关键元素:识别变量(如个体ID或时间点)、值变量(测量的数值)和一个或多个变量来标记这些值的属性(如变量名或时间点标签)。这种格式非常适合于统计建模、数据可视化,特别是在需要对不同类别或时间点进行比较和汇总时。

例如,假设我们有一个宽格式的表格记录了几个学生在不同科目上的成绩:

姓名   数学  英语  物理
张三    90    85    88
李四    80    92    90

转换为长格式后,它会变成:

姓名   科目  成绩
张三   数学  90
张三   英语  85
张三   物理  88
李四   数学  80
李四   英语  92
李四   物理  90

在这个转换过程中,每个学生-科目组合变成了一个单独的行,便于分析或绘图时按科目或学生分组。

python 复制代码
video_game_sales.melt(id_vars='Name', value_vars='NA')

解释:

  1. video_game_sales: 这是一个 DataFrame 对象,它包含关于电子游戏销售的数据,可能包含多个列,例如游戏名称、地区销售额等。

  2. melt() : 这是一个 Pandas DataFrame 的方法,用于将 DataFrame 从宽格式转换为长格式 。它将 DataFrame 中的多个列转换为两个新的列:variablevalue

  3. id_vars='Name' : 指定要保留在 DataFrame 中的标识列,这里是要保留 Name 列,即游戏名称。

  4. value_vars='NA' : 指定要转换为长格式的列,这里是要将 NA 列(北美地区的销售额)转换为长格式。

示例:

假设 video_game_sales DataFrame 如下所示:

       Name  NA  EU  JP
0  Super Mario  10  5  2
1     Zelda      8  3  4

执行 video_game_sales.melt(id_vars='Name', value_vars='NA') 后,DataFrame 将变为:

       Name variable  value
0  Super Mario       NA     10
1     Zelda       NA      8

explode()

recipes.explode('Ingredients')

使用 Pandas 的 explode() 方法将 DataFrame recipes 中的 Ingredients 列展开,将每个包含多个食材的列表拆分成独立的行。

解释:

  1. recipes : 这是一个 DataFrame 对象,包含关于食谱的信息,其中 Ingredients 列存储的是每个食谱的食材列表。
  2. explode('Ingredients') : 这是一个 Pandas DataFrame 的方法,用于将 DataFrame 中的指定列展开。explode() 的参数是列名,这里是要展开 Ingredients 列。
    示例:

假设 recipes DataFrame 如下所示:

   Name                                    Ingredients
0  Pizza  ['Tomato sauce', 'Cheese', 'Pepperoni']
1  Salad  ['Lettuce', 'Tomato', 'Cucumber']

执行 recipes.explode('Ingredients') 后,DataFrame 将变为:

   Name         Ingredients
0  Pizza  Tomato sauce
1  Pizza           Cheese
2  Pizza       Pepperoni
3  Salad         Lettuce
4  Salad          Tomato
5  Salad        Cucumber

总结:

recipes.explode('Ingredients') 将 DataFrame 中的 Ingredients 列展开,将每个包含多个食材的列表拆分成独立的行,使得每个食材都对应一个独立的行。

练习

1 在 cars 数据集中,聚合汽车价格的总和。在行轴上按燃料类型分组结果。

2 在 cars 数据集中,聚合汽车的数量。在索引轴上按制造商分组,在列轴上按变速箱类型分组。显示行和列的子总数。

3 在 cars 数据集中,聚合汽车价格的平均值。在索引轴上按年份和燃料类型分组,在列轴上按变速箱类型分组。

4 给定上一个挑战中的 DataFrame,将变速箱级别从列轴移动到行轴。

5 将 min_wage 从宽格式转换为窄格式。换句话说,将数据从八个年份列(2010-17)移动到单个列中。

python 复制代码
car = pd.read_csv('used_cars.csv')
car

min_wage = pd.read_csv('minimum_wage.csv')
min_wage.head()

#1.
car.pivot_table(
    values = 'Price',
    index = 'Fuel',
    aggfunc = 'sum'
)

#2.
car.pivot_table(
    values = 'Price',
    index = 'Manufacturer',
    columns = 'Transmission',
    aggfunc = 'count',
    margins = True,
    margins_name = 'Total'
)

#3.
car.pivot_table(
    values = 'Price',
    index = ['Year','Fuel'],
    columns = 'Transmission',
    aggfunc = 'mean'
)

#4.
c1 = car.pivot_table(
    values = 'Price',
    index = ['Year','Fuel'],
    columns = 'Transmission',
    aggfunc = 'mean'
)
c1.stack()

#5.
year = ['2010','2011','2012','2013','2014','2015','2016','2017']
min_wage.melt(id_vars = 'State',var_name = 'Year',value_name = 'wage')
相关推荐
新加坡内哥谈技术6 分钟前
Mistral推出“Le Chat”,对标ChatGPT
人工智能·chatgpt
GOTXX14 分钟前
基于Opencv的图像处理软件
图像处理·人工智能·深度学习·opencv·卷积神经网络
IT古董19 分钟前
【人工智能】Python在机器学习与人工智能中的应用
开发语言·人工智能·python·机器学习
CV学术叫叫兽34 分钟前
快速图像识别:落叶植物叶片分类
人工智能·分类·数据挖掘
网络真危险!!1 小时前
【数据分析】认清、明确
数据挖掘·数据分析
菜鸟学Python1 小时前
Python 数据分析核心库大全!
开发语言·python·数据挖掘·数据分析
WeeJot嵌入式1 小时前
卷积神经网络:深度学习中的图像识别利器
人工智能
脆皮泡泡1 小时前
Ultiverse 和web3新玩法?AI和GameFi的结合是怎样
人工智能·web3
机器人虎哥1 小时前
【8210A-TX2】Ubuntu18.04 + ROS_ Melodic + TM-16多线激光 雷达评测
人工智能·机器学习