前言
筆者最近正在學習Pandas數(shù)據(jù)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(xiàn)數(shù)據(jù)透視。
一、經(jīng)過統(tǒng)計得到多維度指標數(shù)據(jù)
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(shù)據(jù)集”，每個月份的每個分數(shù)被評分多少次:(月份、分數(shù)1-5、次數(shù))
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(zhuǎn)換為具體的時間
df['padate']=pd.to_datetime(df["Timestamp"],unit='s')
df.head()
df.dtypes
#實現(xiàn)數(shù)據(jù)統(tǒng)計
# 對于這樣格式的數(shù)據(jù)，我想查看按月份，不同評分的次數(shù)趨勢，是沒有辦法進行實現(xiàn)的，需要將數(shù)據(jù)轉(zhuǎn)換為每個評分是一列才可以實現(xiàn)。
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum)
df_group.head(20)
二、使用unstack實現(xiàn)數(shù)據(jù)的二維透視
目的： 想要畫圖對比按照月份的不同評分的數(shù)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(diào)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(nèi)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(xiàn)二維透視
總結
到此這篇關于Pandas使用stack和pivot實現(xiàn)數(shù)據(jù)透視的方法的文章就介紹到這了,更多相關Pandas stack和pivot數(shù)據(jù)透視內(nèi)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
