Pandas行列变换指南:数据重塑的艺术

数据分析中,数据的形态至关重要。pandas库提供了一系列工具,让我们能够轻松地重塑数据。以下是一些常见的pandas行列变换方法,每种方法都配有完整的代码示例。

环境准备

首先,确保你的环境中安装了pandas和numpy库:

bash 复制代码
pip install pandas numpy

1. 转置(Transpose)

转置是将DataFrame的行和列互换。

python 复制代码
import pandas as pd
import numpy as np

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2],
    'B': [3, 4]
})

# 转置操作
df_transposed = df.T
print(df_transposed)

2. 轴旋转(Pivot Table)

轴旋转常用于将长格式数据转换为宽格式。

python 复制代码
# 假设df是一个包含'Year', 'Category', 'Value'列的DataFrame

# 轴旋转,以Year为索引,Category为列,Value为聚合值
df_pivoted = df.pivot_table(index='Year', columns='Category', values='Value', aggfunc='sum')
print(df_pivoted)

3. 堆叠(Stack)

堆叠用于将多级列索引转换为行。

python 复制代码
# 假设df是一个具有多级列索引的DataFrame

# 堆叠操作,level参数指定要堆叠的索引级别
df_stacked = df.stack(level=0)
print(df_stacked)

4. 解包(Unstack)

解包是堆叠的逆操作,将多级索引的列转换为多级索引的行。

python 复制代码
# 假设df_stacked是堆叠后的DataFrame

# 解包操作
df_unstacked = df_stacked.unstack()
print(df_unstacked)

5. 重塑(Melt)

重塑用于将宽格式数据转换为长格式。

python 复制代码
# 假设df_pivoted是数据透视后的DataFrame

# 重塑操作
df_melted = df_pivoted.melt(var_name='Category', value_name='Value')
print(df_melted)

6. 数据透视(Pivot)

数据透视类似于轴旋转,但直接创建一个新的DataFrame。

python 复制代码
# 假设df是一个包含'Column1', 'Column2', 'Value'列的DataFrame

# 数据透视
df_pivoted = df.pivot(index='Column1', columns='Column2', values='Value')
print(df_pivoted)

7. 交换轴(Swapaxes)

交换轴用于交换DataFrame的行和列。

python 复制代码
# 交换轴操作
df_swapped = df.swapaxes(0, 1)
print(df_swapped)

8. 列的重新排序

列的重新排序可以通过reindex方法实现。

python 复制代码
# 重新排序列
df_reindexed = df[['B', 'A']]
print(df_reindexed)

9. 行的重新排序

行的重新排序可以通过sort_values方法实现。

python 复制代码
# 按某列的值排序
df_sorted = df.sort_values(by='A')
print(df_sorted)

10. 使用Numpy进行行列变换

使用numpy进行行列变换。

python 复制代码
# 将DataFrame转换为numpy数组并转置
array = df.to_numpy()
array_transposed = array.T

# 将转置后的数组转换回DataFrame
df_from_numpy = pd.DataFrame(array_transposed)
print(df_from_numpy)

总结

通过这些示例,我们可以看到pandas提供了多种灵活的方法来处理和重塑数据。掌握这些技巧,可以帮助你更有效地进行数据分析和可视化。

拓展学习

希望这篇指南能帮助你在数据分析的道路上更进一步,让你的数据操作更加得心应手。

相关推荐
Wellijohn4 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
Asa121385 小时前
NBT|组学FDR控制:先看零分布,再选筛选规则
数据分析
2601_967980116 小时前
python pytest怎样测试代码
python·pytest·测试·文档·断言
伞伞悦读6 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
ch6237 小时前
🚀 从零构建本地文档智能审查 Agent:Vibe Coding 实战指南
python
摇滚侠7 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
Thanks_ks8 小时前
AI Agent 开发入门:用 Function Calling 让大模型学会 “动手干活”,附订单查询机器人实战
python·ai·大模型·openai·agent·通义千问·mcp
专注仿真8 小时前
智能体训练之模仿学习:GAIL 算法详解与实战
python·算法·仿真·多智能体强化学习·afsim智能体训练
databook9 小时前
处理一批 PDF,怎么算真的处理完了
后端·python
承渊政道11 小时前
【Python编程快速上手—让繁琐工作自动化】(列表:把数据排成队,从下标取值到深拷贝)
开发语言·python·pycharm·自动化·列表