我就廢話不多說(shuō)了，大家還是直接看代碼吧！
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
# encoding=utf-8import numpy as npimport pandas as pd# 長(zhǎng)寬格式的轉(zhuǎn)換# 1data = pd.read_csv('d:data/macrodata.csv')print 'data:=\n', dataprint 'data.to_records():=\n', data.to_records()print 'data.year:=\n', data.yearprint 'data.quarter:=\n', data.quarterperiods = pd.PeriodIndex(year=data.year, quarter=data.quarter, name='date')print 'periods:=\n', periodsdata = pd.DataFrame(data.to_records(), columns=pd.Index(['realgdp', 'infl', 'unemp'], name='item'), index=periods.to_timestamp('D', 'end'))print 'data:=\n', dataldata = data.stack().reset_index().rename(columns={0: 'value'})# print 'ldata:=\n', ldataprint 'ldata.get(\'realgdp\'):=\n', ldata.get('realgdp')print 'ldata.get(\'unemp\'):=\n', ldata.get('unemp')wdata = ldata.pivot('date', 'item', 'value')print 'ldata:=\n', ldataprint 'wdata:=\n', wdata# 2print 'ldata[:10]:=\n', ldata[:10]pivoted = ldata.pivot('date', 'item', 'value')print 'pivoted:=\n', pivotedprint 'pivoted.head():=\n', pivoted.head()print 'ldata:=\n', ldataldata['value2'] = np.random.randn(len(ldata))print 'ldata[\'value2\']:=\n', ldata['value2']print 'ldata[:10]:=\n', ldata[:10]pivoted = ldata.pivot('date', 'item')print 'pivoted:=\n', pivotedprint pivoted[:5]print 'pivoted[\'value\'][:5]:=\n', pivoted['value'][:5]print 'ldata:=\n', ldataunstacked = ldata.set_index(['date', 'item']).unstack('item')print 'unstacked:=\n', unstackedprint 'test' |
補(bǔ)充知識(shí)：python使用_pandas_用stack和unstack進(jìn)行行列重塑（key-value變寬表）
數(shù)據(jù)結(jié)構(gòu)的重塑（reshape）
與數(shù)據(jù)庫(kù)交互時(shí)常遇到堆疊格式（key-value）和寬表形式(dataframe)的轉(zhuǎn)換，如：
堆疊格式：
寬表形式dataframe：
下面是相互轉(zhuǎn)換的示例代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
import pandas as pdimport numpy as np # 常用的表格形式的數(shù)據(jù)結(jié)構(gòu)df = pd.DataFrame(np.arange(6).reshape((2,3)), index=['id1','id2'], columns=['attr1','attr2','attr3'])print(df)out: attr1 attr2 attr3id1 0 1 2id2 3 4 5 # 寬表形式(dataframe)轉(zhuǎn)變?yōu)槎询B形式（key-value）形式# 數(shù)據(jù)庫(kù)中常以該形式存儲(chǔ)df_key_value = df.stack().reset_index()df_key_value.columns = ['id', 'attr', 'value']print(df_key_value)out:id attr value0 id1 attr1 01 id1 attr2 12 id1 attr3 23 id2 attr1 34 id2 attr2 45 id2 attr3 5 # 堆疊轉(zhuǎn)換為寬表形式 # 用set_index創(chuàng)建層次化索引，在用unstack重塑# unstack中作為旋轉(zhuǎn)軸的變量（如attr），其值會(huì)作為列變量展開(kāi)df_key_value.set_index(['id','attr']).unstack('attr')out:valueattr attr1 attr2 attr3id id1 0 1 2id2 3 4 5 # 多層索引轉(zhuǎn)化為寬表df_long = df_key_value.set_index(['id','attr']).unstack('attr')['value'].reset_index()df_longout:attr id attr1 attr2 attr30 id1 0 1 21 id2 3 4 5 # 堆疊轉(zhuǎn)換為寬表的快捷鍵---pivotdf_key_value.pivot('id','attr','value')out:attr attr1 attr2 attr3id id1 0 1 2id2 3 4 5 |
以上這篇python 數(shù)據(jù)分析實(shí)現(xiàn)長(zhǎng)寬格式的轉(zhuǎn)換就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/u013043762/article/details/79180374
