在 Pandas 中使用 stack() 和 unstack() 函数重塑 DataFrame
Preet Sanghavi
2023年1月30日
2022年5月16日
Pandas 是 Python 中的高级数据分析工具或包扩展。当我们在 SQL 表、电子表格或异构列中有数据时,强烈建议使用 Pandas。
本文探讨了 Pandas 中堆栈和取消堆栈的基本概念。在 Pandas 中,stacking 和 unstacking 被广泛用于改变正在考虑的 DataFrame 的形状。
让我们看看这个方法的实际效果。首先,我们将创建一个虚拟 DataFrame dates_data
以及几行。
import pandas as pd
index = pd.date_range('2013-1-1',periods=100,freq='30Min')
dates_data = pd.DataFrame(data=list(range(100)), columns=['value'], index=index)
dates_data['value2'] = 'Alpha'
dates_data['value2'].loc[0:10] = 'Beta'
上面的代码块创建了一个 DataFramedates_data
,其中包含日期和名为 value
和 value2
的两列。查看数据中的条目,我们使用以下代码:
print(dates_data)
输出:
value value2
2013-01-01 00:00:00 0 Beta
2013-01-01 00:30:00 1 Beta
2013-01-01 01:00:00 2 Beta
2013-01-01 01:30:00 3 Beta
2013-01-01 02:00:00 4 Beta
... ... ...
2013-01-02 23:30:00 95 Alpha
2013-01-03 00:00:00 96 Alpha
2013-01-03 00:30:00 97 Alpha
2013-01-03 01:00:00 98 Alpha
2013-01-03 01:30:00 99 Alpha
正如我们所看到的,我们有 100 个不同的条目,每个条目在 30 分钟的间隔后设置的时间相同。
此外,还创建了两个名为 value
和 value2
的附加列,其中我们将一些值设置为数字,而将其他值设置为 Alpha
或 Beta
。
Pandas 中的 stack()
和 unstack()
函数
我们可以借助 Pandas 中名为 stack()
和 unstack()
的两个函数来更改名为 dates_data
的 DataFrame。这个函数可以帮助我们改变 DataFrame 的方向,使行变成列,列相应地变成行。
我们将尝试将 DataFrame 中的 value
和 value2
更改为行,并将其中的值更改为行中的条目。
使用 unstack()
函数来改变我们的 DataFrame
命令:
dates_data = dates_data.unstack()
print(dates_data)
输出:
value 2013-01-01 00:00:00 0
2013-01-01 00:30:00 1
2013-01-01 01:00:00 2
2013-01-01 01:30:00 3
2013-01-01 02:00:00 4
...
value2 2013-01-02 23:30:00 Alpha
2013-01-03 00:00:00 Alpha
2013-01-03 00:30:00 Alpha
2013-01-03 01:00:00 Alpha
2013-01-03 01:30:00 Alpha
Length: 200, dtype: object
现在,我们已经成功地改变了我们的数据,现在我们将列作为数据中的行条目。
使用 unstack()
函数来改变我们的 DataFrame
命令:
dates_data = dates_data.stack()
print(dates_data)
输出:
2013-01-01 00:00:00 value 0
value2 Beta
2013-01-01 00:30:00 value 1
value2 Beta
2013-01-01 01:00:00 value 2
...
2013-01-03 00:30:00 value2 Alpha
2013-01-03 01:00:00 value 98
value2 Alpha
2013-01-03 01:30:00 value 99
value2 Alpha
Length: 200, dtype: object
列值现在在我们的 DataFrame 中堆叠为行。
因此,借助 Pandas 中的 unstacking 技术
,我们可以根据需要在需要时有效地过滤数据,并转换 DataFrame 的外观,以便以更好的方式可视化数据。
Author: Preet Sanghavi