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
  1. Pandas 中的 stack()unstack() 函数
  2. 使用 unstack() 函数来改变我们的 DataFrame
  3. 使用 unstack() 函数来改变我们的 DataFrame
在 Pandas 中使用 stack() 和 unstack() 函数重塑 DataFrame

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 valuevalue2 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 valuevalue2 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 AlphaBeta

Pandas 中的 stack()unstack() 函数

我们可以借助 Pandas 中名为 stack()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 valuevalue2 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。

Preet Sanghavi avatar Preet Sanghavi avatar

Preet writes his thoughts about programming in a simplified manner to help others learn better. With thorough research, his articles offer descriptive and easy to understand solutions.

LinkedIn GitHub