前言

筆者最近正在學習Pandas數據分析，將自己的學習筆記做成一套系列文章。本節(jié)主要記錄Pandas中使用stack和pivot實現數據透視。

一、經過統(tǒng)計得到多維度指標數據

非常場景的統(tǒng)計場景，指定多個維度，計算聚合后的指標
實例：統(tǒng)計得到“電影評分數據集”，每個月份的每個分數被評分多少次:(月份、分數1-5、次數)

import pandas as pd
import numpy as np
%matplotlib inline
df=pd.read_csv(
      "./datas/ml-1m/ratings.dat",
  sep="::",
  engine='python',
  names='UserID::MovieID::Rating::Timestamp'.split("::"),
  header=None
)
df.head()

#將時間戳轉換為具體的時間
df['padate']=pd.to_datetime(df["Timestamp"],unit='s')
df.head()

df.dtypes

#實現數據統(tǒng)計 
# 對于這樣格式的數據，我想查看按月份，不同評分的次數趨勢，是沒有辦法進行實現的，需要將數據轉換為每個評分是一列才可以實現。
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum) 
df_group.head(20)

二、使用unstack實現數據的二維透視

目的： 想要畫圖對比按照月份的不同評分的數量趨勢

df_stack=df_group.unstack()
df_stack

df_stack.plot()

#unstack和stack是互逆的操作
df_stack.stack().head(20)

三、使用pivot簡化透視

pivot方法相當于對df使用set_index創(chuàng)建分層索引，然后調用unstack

df_group.head(20)

df_reset=df_group.reset_index()
df_reset.head()

df_pivot=df_reset.pivot("padate","Rating","pv")
df_pivot.head()

df_pivot.plot()

四、stack、unstack、pivot的語法

1.stack

stack:DataFrame.stack(level=-1,dropna=True),將column變成index，類似把橫放的書籍變成豎放
level=-1代表多層索引的最內層，可以通過==0,1,2指定多層索引的對應層

2.unstack

unstack:DataFrame.unstack(level=-1,fill_value=None)，將index變成column，類似把豎放的書變成橫放

3.pivot

pivot:DataFrame.pivot(index=None,columns=None,values=None)，指定index,columns,values實現二維透視

總結

到此這篇關于Pandas使用stack和pivot實現數據透視的方法的文章就介紹到這了,更多相關Pandas stack和pivot數據透視內容請搜索服務器之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持服務器之家！

原文鏈接：https://blog.csdn.net/qq_48081868/article/details/120106843