stack和unstack

    科技2024-08-22  22

    Python的pandas库是我们经常用到的库之一,不可避免地会应用到数据的reshape。其中,stack和unstack是我们经常用到的操作之一。很多人对这2个操作比较迷惑,在这里,本博客利用几个简单的例子和图来说明这2个操作。

    1 概述 stack和unstack是python进行层次化索引的重要操作。层次化索引就是对索引进行层次化分类,便于使用,这里的索引可以是行索引,也可以是列索引。

    常见的数据的层次化结构有两种,一种是表格,一种是“花括号”,即下面这样的两种形式:

    store1 store2 store3

    street1 1 2 3 street2 4 5 6

    表格在行列方向上均有索引,花括号结构只有“列方向”上的索引。

    其实,应用stack和unstack只需要记住下面的知识点即可:

    stack: 将数据从”表格结构“变成”花括号结构“,即将其列索引变成行索引。 unstack: 数据从”花括号结构“变成”表格结构“,即要将其中一层的行索引变成列索引。如果是多层索引,则以上函数是针对内层索引(这里是store)。利用level可以选择具体哪层索引。 2 例子 import numpy as np import pandas as pd from pandas import Series,DataFrame data=DataFrame(np.arange(12).reshape((3,4)),index=pd.Index([‘street1’,‘street2’,‘street3’]), columns=pd.Index([‘store1’,‘store2’,‘store3’,‘store4’])) print(data) print(’-----------------------------------------\n’) data2=data.stack() data3=data2.unstack() print(data2) print(’-----------------------------------------\n’) print(data3) 输出结果为:

    ‘’’ store1 store2 store3 store4 street1 0 1 2 3 street2 4 5 6 7 street3 8 9 10 11 –======================= street1 store1 0 store2 1 store3 2 store4 3 street2 store1 4 store2 5 store3 6 store4 7 street3 store1 8 store2 9 store3 10 store4 11 dtype: int32 =----------------------------------------- store1 store2 store3 store4 street1 0 1 2 3 street2 4 5 6 7 street3 8 9 10 11 ‘’’ 可以看到:使用stack函数,将data的列索引[‘store1’,‘store2’,'store3’,‘store4’]转变成行索引(第二层),便得到了一个层次化的Series(data2),使用unstack函数,将data2的第二层行索引转变成列索引(默认内层索引,level=-1),便又得到了DataFrame(data3)。

    下面的例子我们利用level选择具体哪层索引。

    data4=data2.unstack(level=0) print(data4) ‘’’ street1 street2 street3 store1 0 4 8 store2 1 5 9 store3 2 6 10 store4 3 7 11 ‘’’ 我们可以清晰看到,当我们取level=0时,即最外层索引时,unstack把行索引[‘street1’,‘street2’,'street3’]变为了列索引。

    转载:https://blog.csdn.net/anshuai_aw1/article/details/82830916

    Processed: 0.010, SQL: 8