Pandas必知必会：4种数据透视函数-技术圈

今天和大家分享Pandas中四种有关数据透视的通用函数，在数据处理中遇到这类需求时，能够很好地应对。

pandas.melt()

melt函数的主要作用是将DataFrame从宽格式转换成长格式。

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

参数含义

id_vars：tuple, list, or ndarray，可选，作为标识符变量的列
value_vars：tuple, list, or ndarray, 可选，透视列，如果未指定，则使用未设置为id_vars的所有列。
var_name：scalar，默认为None，使用variable作为列名
value_name：标量, default ‘value’，value列的名称
col_level：int or str, 可选，如果列是多层索引，melt将应用于指定级别
ignore_index：bool, 默认为True，相当于从0开始重新排序。如果为False，则保留原来的索引，索引标签将出现重复。

看个例子先：

import pandas as pd

df = pd.DataFrame(
    {'地区': ['A', 'B', 'C'],
     '2020': [80, 60, 40],
     '2021': [800, 600, 400], 
     '2022': [8000, 6000, 4000]})

pd.melt(df,
        id_vars=['地区'],
        value_vars=['2020', '2021', '2022'])

设置var_name与value_name。

df = pd.melt(df,
             id_vars=['地区'],
             value_vars=['2020', '2021', '2022'],
             var_name='年份',
             value_name='销售额')

pandas.pivot()

pivot函数主要用于通过索引及列值对DataFrame重构。

“
pandas.pivot(data, index=None, columns=None, values=None)
”

参数含义

data：DataFrame对象
index：可选，用于新DataFrame的索引
columns：用于创建新DataFrame的列
values：可选，用于填充新DataFrame的值

用上面的结果举个例子：

df.pivot(index='年份',
         columns='地区',
         values='销售额')

也可以写成以下格式。

df.pivot(index='年份', columns='地区')['销售额']

添加一个销量列，同时统计两个values，这样会使columns变成多层索引。

df['销量'] = df['销售额']/10
df.pivot(index='年份',
         columns='地区',
         values=['销售额', '销量'])

添加一个月份列，指定两个index。

df['月份'] = [f'{m}月' for m in range(1, 4)]*3
df.pivot(index=['年份', '月份'],
         columns='地区',
         values='销售额')

使用pivot时需要注意，当index，columns出现重复时，会导致ValueError。

df = pd.DataFrame(
        {'地区': ['A', 'A', 'B', 'C'],
         '年份': ['2020', '2020', '2021', '2022'],
         '销售额': [800, 600, 400, 200]})

df.pivot(index='地区',
         columns='年份',
         values='销售额')
# ValueError

pandas.pivot_table()

这个函数之前已经单独讲过了，详见Pandas玩转数据透视表，相比于pivot，pivot_table的灵活性更强。

pandas.crosstab()

crosstab函数计算两个(或多个)数组的简单交叉表。默认情况下计算元素的频率表。

“
pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)
”

看下例子：
这里默认计算频率。

import numpy as np
array_A = np.array(["one", "two", "two", "three", "three", "three"], dtype=object)
array_B = np.array(["Python", "Python", "Python", "C", "C", "C"], dtype=object)
array_C = np.array(["Y", "Y", "Y", "N", "N", "N"])
pd.crosstab(array_A,
           [array_B, array_C],
           rownames=['array_A'],
           colnames=['array_B', 'array_C'])

新建一个values列，计算总和。

array_D = np.array([1, 4, 9, 16, 25, 36])
pd.crosstab(index=array_A,
            columns=[array_B, array_C],
            rownames=['array_A'],
            colnames=['array_B', 'array_C'],
            values=array_D,
            aggfunc='sum')

如果有不理解的地方可以自己动手尝试一下，也可以通过直接私信交流。感谢支持。

扫码即可加我微信

学习交流

老表朋友圈经常有赠书/红包福利活动

万水千山总是情，点个 👍 行不行。