目錄
- 前言
- 一、經過統計得到多維度指標數據
- 二、使用unstack實現數據的二維透視
- 三、使用pivot簡化透視
- 四、stack、unstack、pivot的語法
- 總結
前言
筆者最近正在學習Pandas數據分析，將自己的學習筆記做成一套系列文章。本節主要記錄Pandas中使用stack和pivot實現數據透視。
一、經過統計得到多維度指標數據
非常場景的統計場景，指定多個維度，計算聚合后的指標
實例：統計得到“電影評分數據集”，每個月份的每個分數被評分多少次:(月份、分數1-5、次數)
import pandas as pd
import numpy as np
%matplotlib inline
df=pd.read_csv(
"./datas/ml-1m/ratings.dat",
sep="::",
engine='python',
names='UserID::MovieID::Rating::Timestamp'.split("::"),
header=None
)
df.head()
#將時間戳轉換為具體的時間
df['padate']=pd.to_datetime(df["Timestamp"],unit='s')
df.head()
df.dtypes
#實現數據統計
# 對于這樣格式的數據，我想查看按月份，不同評分的次數趨勢，是沒有辦法進行實現的，需要將數據轉換為每個評分是一列才可以實現。
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum)
df_group.head(20)
二、使用unstack實現數據的二維透視
目的： 想要畫圖對比按照月份的不同評分的數量趨勢
df_stack=df_group.unstack()
df_stack
df_stack.plot()
#unstack和stack是互逆的操作
df_stack.stack().head(20)
三、使用pivot簡化透視
pivot方法相當于對df使用set_index創建分層索引，然后調用unstack
df_group.head(20)
df_reset=df_group.reset_index()
df_reset.head()
df_pivot=df_reset.pivot("padate","Rating","pv")
df_pivot.head()
df_pivot.plot()
四、stack、unstack、pivot的語法
1.stack
stack:DataFrame.stack(level=-1,dropna=True),將column變成index，類似把橫放的書籍變成豎放
level=-1代表多層索引的最內層，可以通過==0,1,2指定多層索引的對應層
2.unstack
unstack:DataFrame.unstack(level=-1,fill_value=None)，將index變成column，類似把豎放的書變成橫放
3.pivot
pivot:DataFrame.pivot(index=None,columns=None,values=None)，指定index,columns,values實現二維透視
總結
到此這篇關于Pandas使用stack和pivot實現數據透視的方法的文章就介紹到這了,更多相關Pandas stack和pivot數據透視內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Pandas 重塑(stack)和軸向旋轉(pivot)的實現
- pandas.DataFrame的pivot()和unstack()實現行轉列
