大家好,本文介绍的是 Pandas 中4个行列转换的方法,包含:
melt
转置T或者transpose
wide_to_long
explode(爆炸函数)
Pandas 行列转换
导入库
import pandas as pdimport numpy as np
技术提升
本文由技术群粉丝分享,项目源码、数据、技术交流提升,均可加交流群获取,群友已超过2000人,添加时最好的备注方式为:来源+兴趣方向,方便找到志同道合的朋友
方式①、添加微信号:pythoner666,备注:来自CSDN
方式②、微信搜索公众号:Python学习与数据挖掘,后台回复:加群
函数melt
melt的主要参数:
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value',ignore_index=True,col_level=None)
下面解释参数的含义:
frame:要处理的数据框DataFrame。
id_vars:表示不需要被转换的列名
value_vars:表示需要转换的列名,如果剩下的列全部都需要进行转换,则不必写
var_name和value_name:自定义设置对应的列名,相当于是取新的列名
igonore_index:是否忽略原列名,默认是True,就是忽略了原索引名,重新生成0,1,2,3,4…的自然索引
col_level:如果列是多层索引列MultiIndex,则使用此参数;这个参数少用
模拟数据
# 待转换的数据:framedf = pd.DataFrame({"col1":[1,1,1,1,1], "col2":[3,3,3,3,3], "col3":["a","a","a","b","b"]})df
id_vars
value_vars
上面两个参数的同时使用:
同时转换多个列属性:
var_name和value_name
pd.melt(df,id_vars=["col1"],# 不变value_vars=["col3"],# 转变var_name="col4",# 新的列名value_name="col5" # 对应值的新列名)
ignore_index
默认情况下是生成自然索引:
可以改成False,使用原来的索引:
转置函数
pandas中的T属性或者transpose函数就是实现行转列的功能,准确地说就是转置
简单转置
模拟了一份数据,查看转置的结果:
使用transpose函数进行转置:
还有另一个方法:先对值values进行转置,再把索引和列名进行交换:
最后看一个简单的案例:
wide_to_long函数
字面意思就是:将数据集从宽格式转换为长格式
wide_to_long(df,stubnames,i,j,sep: str = "",suffix: str = "\\d+"
参数的具体解释:
df:待转换的数据框
stubnames:宽表中列名相同的存根部分
i:要用作 id 变量的列
j:给长格式的“后缀”列设置 columns
sep:设置要删除的分隔符。例如 columns 为 A-2020,则指定 sep=‘-’ 来删除分隔符。默认为空。
suffix:通过设置正则表达式取得“后缀”。默认’\d+‘表示取得数字后缀。没有数字的“后缀”可以用’\D+’来取得
模拟数据
转换过程
使用函数实施转换:
设置多层索引
先模拟一份数据:
如果不习惯多层索引,可以转成下面的格式:
sep和suffix
df5 = pd.DataFrame({'a': [1, 1, 2, 2, 3, 3, 3],'b': [1, 2, 2, 3, 1, 2, 3],'stu_one': [2.8, 2.9, 1.8, 1.9, 2.2, 2.3, 2.1],'stu_two': [3.4, 3.8, 2.8, 2.4, 3.3, 3.4, 2.9]})df5
pd.wide_to_long(df5, stubnames='stu', i=['a', 'b'], j='number',sep='_', # 列名中存在连接符时使用;默认为空suffix=r'\w+')# 基于正则表达式的后缀;默认是数字\d+;这里改成\w+,表示字母
爆炸函数-explode
explode(column, ignore_index=False)
这个函数的参数就只有两个:
column:待爆炸的元素
ignore_index:是否忽略索引;默认是False,保持原来的索引
模拟数据
单个字段爆炸
对单个字段实施爆炸过程,将宽表转成长表:
参数ignore_index
多个字段爆炸
连续对多个字段实施爆炸的过程:
读者解疑
在这里回答一个读者的问题,数据采用模拟的形式。有下面的这样一份数据,需求:
每个shop下每个fruit在各自shop的占比
fruit = pd.DataFrame({"shop":["shop1","shop3","shop2","shop3","shop2","shop1","shop3","shop2","shop3","shop2","shop3","shop2","shop1"],"fruit":["苹果","葡萄","香蕉","苹果", "葡萄","橘子","梨","哈密瓜", "葡萄","香蕉","苹果","葡萄","橘子"],"number":[100,200,340,150,200,300,90,80,340,150,200,300,90]})fruit
首先我们是需要统计每个shop每个fruit的销量
方法1:多步骤
方法1采用的是多步骤解决:
1、每个shop的总销量
2、增加总和shop_sum列
3、生成占比