深入Python数据分析：数据由长格式变为宽格式

pivot

pandas使用版本0.22

melt()的逆操作在Pandas中对应为 pivot()，它也是一个设计上的顶层函数，工程位置如下：

Pandas

|

pivot()

它能变形长格式表为宽格式。

pivot英文解释为：axis consisting of a short shaft that supports something that turns 包含短柄的轴，支持物体转动。怎么理解？

图1

图2

图1到图2，就是Pandas中的pivot操作。

函数原型

主要参数：

1. index 指明哪个列变为新DataFrame的index，注意是哪个，而不是哪些；
2. columns 指明哪个列变为columns；
3. values 指明哪些列变为新DataFrame的数据域，如果不指明，则默认除了被指明index和columns的其他列。

上面图1到图2的变换如下，并未指明values参数，其他列全部按照层级罗列。明显地，列变宽了，变为宽格式了。

如果只想获取某一个系列，比如baz系列，执行如下操作：

图2变化为如下：

异常

pivot操作在实际应用中，可能会出现异常，原因是被选为index和columns的交叉点值应该不是唯一值。

如上，[one,A] 取值为1或2，不唯一。因此，调用如下操作，会报异常。

异常如下，

总结

以上就是pivot使用细节，注意到pivot函数是没有聚合功能的。pandas中pivot_table()提供了聚合函数，实现聚合功能。

虽然只是一个简单的函数，但是却能够快速地对数据进行强大的分析。要想用透，需要多思考，尽量应用到实际场景中。