查看原文
其他

Pandas行列转换的4大技巧!

尤而小屋 尤而小屋 2022-06-19

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

本文介绍的是Pandas中4个行列转换的方法,包含:

  • melt
  • 转置T或者transpose
  • wide_to_long
  • explode(爆炸函数)

最后回答一个读者朋友问到的数据处理问题。

Pandas行列转换

pandas中有多种方法能够实现行列转换:

开启Pandas进阶:图解Pandas透视表、交叉表

图解Pandas的轴旋转函数:stack和unstack

一切从爆炸函数开始!

导入库

import pandas as pd
import numpy as np

函数melt

melt的主要参数:

pandas.melt(frame, 
            id_vars=None, 
            value_vars=None, 
            var_name=None, 
            value_name='value',
            ignore_index=True,  
            col_level=None)

下面解释参数的含义:

  • frame:要处理的数据框DataFrame。

  • id_vars:表示不需要被转换的列名

  • value_vars:表示需要转换的列名,如果剩下的列全部都需要进行转换,则不必写

  • var_name和value_name:自定义设置对应的列名,相当于是取新的列名

  • igonore_index:是否忽略原列名,默认是True,就是忽略了原索引名,重新生成0,1,2,3,4....的自然索引

  • col_level:如果列是多层索引列MultiIndex,则使用此参数;这个参数少用

模拟数据

# 待转换的数据:frame
df = pd.DataFrame({"col1":[1,1,1,1,1],
                   "col2":[3,3,3,3,3],
                   "col3":["a","a","a","b","b"]
                  })
df

id_vars

value_vars

上面两个参数的同时使用:

同时转换多个列属性:

var_name和value_name

pd.melt(
    df,
    id_vars=["col1"],  # 不变
    value_vars=["col3"],  # 转变
    var_name="col4",  # 新的列名
    value_name="col5" # 对应值的新列名
)

ignore_index

默认情况下是生成自然索引:

可以改成False,使用原来的索引:

转置函数

pandas中的T属性或者transpose函数就是实现行转列的功能,准确地说就是转置

简单转置

模拟了一份数据,查看转置的结果:

使用transpose函数进行转置:

还有另一个方法:先对值values进行转置,再把索引和列名进行交换:

最后看一个简单的案例:

wide_to_long函数

字面意思就是:将数据集从宽格式转换为长格式

wide_to_long(
    df,
    stubnames,
    i,
    j,
    sep: str = "",
    suffix: str = "\\d+"

参数的具体解释:

  • df:待转换的数据框
  • stubnames:宽表中列名相同的存根部分
  • i:要用作 id 变量的列
  • j:给长格式的“后缀”列设置 columns
  • sep:设置要删除的分隔符。例如 columns 为 A-2020,则指定 sep='-' 来删除分隔符。默认为空。
  • suffix:通过设置正则表达式取得“后缀”。默认'\d+'表示取得数字后缀。没有数字的“后缀”可以用'\D+'来取得

模拟数据

转换过程

使用函数实施转换:

设置多层索引

先模拟一份数据:

如果不习惯多层索引,可以转成下面的格式:

sep和suffix

df5 = pd.DataFrame({
    'a': [1, 1, 2, 2, 3, 3, 3],
    'b': [1, 2, 2, 3, 1, 2, 3],
    'stu_one': [2.8, 2.9, 1.8, 1.9, 2.2, 2.3, 2.1],
    'stu_two': [3.4, 3.8, 2.8, 2.4, 3.3, 3.4, 2.9]
})
df5
pd.wide_to_long(
    df5, 
    stubnames='stu', 
    i=['a', 'b'], 
    j='number',
    sep='_', # 列名中存在连接符时使用;默认为空
    suffix=r'\w+')  # 基于正则表达式的后缀;默认是数字\d+;这里改成\w+,表示字母

爆炸函数-explode

explode(column, ignore_index=False)

这个函数的参数就只有两个:

  • column:待爆炸的元素
  • ignore_index:是否忽略索引;默认是False,保持原来的索引

模拟数据

单个字段爆炸

对单个字段实施爆炸过程,将宽表转成长表:

参数ignore_index

多个字段爆炸

连续对多个字段实施爆炸的过程:

读者解疑

在这里回答一个读者的问题,数据采用模拟的形式。有下面的这样一份数据,需求:

每个shop下每个fruit在各自shop的占比

fruit = pd.DataFrame({
    "shop":["shop1","shop3","shop2","shop3",
            "shop2","shop1","shop3","shop2",
            "shop3","shop2","shop3","shop2","shop1"],
    "fruit":["苹果","葡萄","香蕉","苹果",
             "葡萄","橘子","梨","哈密瓜",
             "葡萄","香蕉","苹果","葡萄","橘子"],
    "number":[100,200,340,150,
              200,300,90,80,340,
              150,200,300,90]})
fruit

首先我们是需要统计每个shop每个fruit的销量

方法1:多步骤

方法1采用的是多步骤解决:

1、每个shop的总销量

2、增加总和shop_sum列

3、生成占比

方法2:使用transform函数


推荐阅读


国产写作神器Typora收费?

6大监督学习模型:毒蘑菇分类

精华!12大Pandas常用配置技巧

Plotly+Pandas+Sklearn:实现用户聚类分群!

大揭秘:必须学会的Python数据分析利器

尤而小屋,一个温馨的小屋。小屋主人,一手代码谋求生存,一手掌勺享受生活,欢迎你的光临

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存