pandas基础：数据显示格式转换（续）

标签：pandas，pivot()方法

在《pandas基础：数据显示格式转换》中，我们使用melt()方法将数据框架从宽(wide)格式转换为长(long)格式。然而，如果要将数据框架从长格式转换为宽格式呢？如下图1所示。

图1

可以使用pandas的pivot()方法。下面通过一个简单的示例演示如何使用它。

对于经常使用Excel的用户来说，马上就知道可以通过使用透视表函数来实现这一点。基本上，将country列放在“行”中，将Month放在“列”中，然后将Sales作为“价值”放入表中。这里的好消息是，pandas中也有一个pivot函数。

下面的代码将创建一个“长”表单数据框架，看起来像上图1中左侧的表。

import pandas as pd

import numpy as np

np.random.seed(0)

months = (['Jan','Feb','Mar','Apr','May','Jun'] * 4)

months.sort()

long_df = pd.DataFrame({

'Country':['Canada','UK','USA','Australia'] * 6,

'Month':months,

'Sales':np.random.randint(1,1000,size=24)

})

结果如下图2所示。

图2

pandas的pivot方法的语法如下：

pandas.DataFrame.pivot(index=None, columns=None, values=None)

其中：

• index：字符串，或字符串值列表。这是新数据框架的索引，相当于Excel数据透视表的“行”。
• columns：字符串，或字符串值列表。这是新数据框架的列，相当于Excel数据透视表的“列”。
• values：字符串，或字符串值列表。用于新数据框架列填充的值，相当于Excel数据透视表的“值”。

现在来实现数据格式的转换。注意，下面两行代码将返回相同的结果。然而，首选第二行代码，因为它更明确地说明了参数的用途。记住，“显性比隐性更好。”

long_df.pivot(index='Country',columns='Month')

long_df.pivot(index='Country',columns='Month',values='Sales')

图3

上面的结果有点不完美——列名是按字母顺序自动排序的，而不是按月份顺序。

有一个简单的修复方法，只需更改列顺序。实际上，可以将这个部分代码与pivot方法链接到一行代码中。

long_df.pivot(index='Country', columns='Month',values='Sales')[['Jan','Feb','Mar','Apr','May','Jun']]

图4

注：本文学习整理自pythoninoffice.com，供有兴趣的朋友参考。