pandas如何进行优雅的列转行、行转列？_theskylife_pandas 列转行

irpas 02-07 7695

一、列转行 1、背景描述

在日常处理数据过程中，你们可能会经常遇到这种类型的数据：而我们用pandas进行统计分析时，往往需要将结果转换成以下类型的数据：

2.方法描述

准备数据

df = pd.DataFrame({'姓名': ['A','B','C'], '英语':[90,60,70], '数学':[80,98,80], '语文':[85,90,75]})

这个实现的方法有多种形式，这里集中进行展示

2.1 方法1 tmp=df.set_index(['姓名']).stack() tmp2=tmp.rename_axis(index=['姓名','科目']) tmp2.name='分数' tmp2.reset_index() 2.2 方法2 tmp=df.set_index(['姓名']).stack() tmp.index.names=['姓名','科目'] tmp.reset_index(name='分数') 2.3 方法3 tmp=df.set_index(['姓名']).stack().reset_index() tmp.columns=['姓名','科目','分数'] 2.4 方法4 tmp=pd.melt(df,id_vars='姓名',var_name='科目',value_name='分数') 3 思考与总结

通过上述的对比，相信各位已经明白其中的厉害之处了，下面就来重点讲解一下melt这个函数。melt函数共有以下几个：

frame: 需要处理的数据帧id_vars: 不需要做列转行处理的字段，如果不设置该字段则默认会对所有列进行处理value_vars: 需要做列转行的字段，不指定则不处理var_name: 列转行处理后，生成字段列，对列转行之前的字段名称进行重命名value_name: 列转行处理后，生成数值列，对列转行之前的数值进行命名col_level: 指定具体的列名等级，通常在有多级列名时使用。 4 思维延伸 4.1 例子1

转换前：转换后：实现的1种方法：

#准备数据 df2 = pd.DataFrame({'姓名': ['A', 'B', 'C'], '班级':[1,2,1], '期中考试-英语': [90, 60, 70], '期中考试-数学': [80, 98, 80], '期中考试-语文': [85, 90, 75], '期末考试-英语': [92, 63, 76], '期末考试-数学': [85,100, 89], '期末考试-语文': [87, 91, 80]}) #实现部分 t1=pd.melt(df2, id_vars=['姓名','班级'], var_name='科目', value_name='分数') t2=t1.set_index(['姓名','班级','分数'])['科目'].str.split('-',expand=True).reset_index() t2.set_index(['姓名','班级',0,1]).unstack().reset_index().rename_axis() t3=t2.set_index(['姓名','班级',0,1]).unstack() t3.columns=t3.columns.droplevel(0) result=t3.rename_axis(columns=None).reset_index().rename(columns={0:'考试类型'}) result 4.2 例子2

转换前：转换后：实现方法举例：

pd.lreshape(df2,{'英语':['期中考试-英语','期末考试-英语'], '数学':['期中考试-数学','期末考试-数学'], '语文':['期中考试-语文','期末考试-语文']}) 二、行转列

在一中，我们已经完成了对于列转行的任务，即将本文一中的多列df转为tmp，那现在假如需要进行列转行又该如何操作呢？

1.准备数据 tmp=pd.DataFrame({'姓名':['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'], '科目':['英语', '英语', '英语', '数学', '数学', '数学', '语文', '语文', '语文'], '分数':[90, 60, 70, 80, 98, 80, 85, 90, 75]}) tmp 2.行转列实现 2.1 方法1 df=tmp.set_index(['姓名','科目'])['分数'].unstack() df.columns.name=None df=df.reset_index() 2.2 方法2 tmp2=tmp.set_index(['姓名','科目'])['分数'].unstack() df=tmp2.rename_axis(columns=None).reset_index() 2.3 方法3 df=tmp.pivot(index='姓名',columns='科目',values='分数').rename_axis(columns=None).reset_index() 3.思考与总结

从行转列的例子中，我们可以发现核心的函数是unstack。unstack是将多重索引形式的数据，转换为标准表格形式的数据，unstack主要由两个参数组成：

level ：要取消堆叠的索引级别，可以传递级别名称。默认参数为-1，例子中为科目，即最后一个索引fill_value ：如果取消堆叠后有缺失数据，会以固定字符进行填充。