介紹

Pandas 提供了各種用于重塑 DataFrame 的內(nèi)置方法。其中，stack() 和 unstack() 是最流行的 2 種重組列和行的方法：

• stack()：從列到行堆疊
• unstack()：從行到列取消堆疊

stack() 和 unstack() 似乎使用起來相當(dāng)簡(jiǎn)單，但你仍然應(yīng)該知道一些技巧來加快數(shù)據(jù)分析。

在本文中，我將分享 Pandas 的幾個(gè)技巧：

• 單層
• 多層次：簡(jiǎn)單案例
• 多層次：缺失值
• 多個(gè)級(jí)別：指定要堆疊的級(jí)別
• 多個(gè)級(jí)別：刪除缺失值
• unstack: 簡(jiǎn)單案例
• unstack：更多用法

1.單層

最簡(jiǎn)單的 stack()可以應(yīng)用于具有單層列的 DataFrame。它只是將標(biāo)簽從列堆疊到行并輸出一個(gè)系列。

df_single_level = pd.DataFrame(
    [['Mostly cloudy', 10], ['Sunny', 12]],
    index=['London', 'Oxford'],
    columns=['Weather', 'Wind']
)
df_single_level.stack()

2.多層次：簡(jiǎn)單案例

通常，我們會(huì)在具有多級(jí)列的 DataFrame 上使用 stack()。

讓我們創(chuàng)建一個(gè) DataFrame。有多種方法可以創(chuàng)建具有多級(jí)列的 DataFrame，最簡(jiǎn)單的方法之一是創(chuàng)建 MultiIndex 對(duì)象 MultiIndex.from_tuples() 并將結(jié)果傳遞給 pd.DataFrame() 中的 columns 參數(shù)：

multi_col_1 = pd.MultiIndex.from_tuples(
    [('Wind', 'mph'), ('Wind', 'm/s')]
)
df_multi_level_1 = pd.DataFrame(
    [[13, 5.5], [19, 8.5]],
    index=['London', 'Oxford'],
    columns=multi_col_1
)

通過調(diào)用 stack()，它將獲取列級(jí)別(mph, m/s) 并將其堆疊到行軸上。

df_multi_level_1.stack()
# Same as 
df_multi_level_1.stack(level=-1)
df_multi_level_1.stack(-1)

在幕后，它根據(jù)參數(shù) level 運(yùn)行操作。 參數(shù) level 默認(rèn)為 -1 ，它采用最內(nèi)層并將其從列軸堆疊到行軸上。

3. 多層次：缺失值

在堆疊具有多級(jí)列的 DataFrame 時(shí)，通常會(huì)出現(xiàn)缺失值。讓我們創(chuàng)建另一個(gè) DataFrame 示例：

multi_col_2 = pd.MultiIndex.from_tuples(
    [('Wind', 'mph'), ('Temperature', '°C')]
)
df_multi_level_2 = pd.DataFrame(
    [[13, 8], [19, 6]],
    index=['London', 'Oxford'],
    columns=multi_col_2
)
df_multi_level_2.stack()

與前面的示例 multi_col_1 在第一級(jí)中具有相同的值“Wind”不同，multi_col_2 具有 2 個(gè)不同的值“Wind”和“Temperature”。 現(xiàn)在，我們得到了缺失值，因?yàn)槎询B的 DataFrame 比原始 DataFrame 有更多的值，并且缺失值用 NaN 填充。

4. 多層次：規(guī)定要堆疊的層次

stack() 中的第一個(gè)參數(shù)是 level，它控制堆疊的級(jí)別。 讓我們創(chuàng)建一個(gè)具有 2 個(gè)不同級(jí)別的 MultiIndex：

multi_col_2 = pd.MultiIndex.from_tuples(
    [('Wind', 'mph'), ('Temperature', '°C')]
)
# Level 0
multi_col_2.get_level_values(0)
# Index(['Wind', 'Temperature'], dtype='object')
# Level 1
multi_col_2.get_level_values(1)
# Index(['mph', '°C'], dtype='object')

我們可以傳遞一個(gè)數(shù)字來規(guī)定要堆疊的級(jí)別。 要規(guī)定要堆疊的多個(gè)級(jí)別，我們可以傳遞一個(gè)列表：

df_multi_level_2.stack(0)
df_multi_level_2.stack([0, 1])
df_multi_level_2.stack([1, 0])

5. 多層次：刪除缺失值

默認(rèn)情況下，調(diào)用 stack() 時(shí)會(huì)刪除所有值缺失的行，可以通過將 dropna 設(shè)置為 False 來控制此行為：

df_multi_level_3 = pd.DataFrame(
    [[None, 10], [11, 7.0]],
    index=['London', 'Oxford'],
    columns=multi_col_2
)
df_multi_level_3.stack()
df_multi_level_3.stack(dropna=False)

6. unstack: 簡(jiǎn)單案例

同樣，Pandas unstack() 也支持參數(shù)級(jí)別，默認(rèn)為 -1，它將對(duì)最內(nèi)層索引應(yīng)用操作。

index = pd.MultiIndex.from_tuples([
  ('Oxford', 'Temperature'), 
  ('Oxford', 'Wind'),
  ('London', 'Temperature'), 
  ('London', 'Wind')
])
s = pd.Series([1,2,3,4], index=index)

通過在具有 MultiIndex 的 Series 上調(diào)用 unstack()，它會(huì)將最內(nèi)層的索引取消堆疊到列上。 要指定要取消堆疊的級(jí)別，我們可以傳遞級(jí)別編號(hào)：

s.unstack()
# It's equivalent to
s.unstack(level=-1)
# Unstack a specific level
s.unstack(level=0)

7. unstack：更多用法

通常，我們會(huì)在更多級(jí)別上使用 unstack()。

讓我們看一個(gè)具有 3 個(gè)級(jí)別的示例：

index = pd.MultiIndex.from_tuples([
  ('Oxford', 'Weather', '01-01-2022'), 
  ('Oxford', 'Temperature', '01-01-2022'), 
  ('Oxford', 'Weather', '02-01-2022'),
  ('Oxford', 'Temperature', '02-01-2022'),
  ('London', 'Weather', '01-01-2022'), 
  ('London', 'Temperature', '01-01-2022'),
  ('London', 'Weather', '02-01-2022'),
  ('London', 'Temperature', '02-01-2022'),
])
s = pd.Series(
  ['Sunny', 10, 'Shower', 7, 'Shower', 5, 'Sunny', 8], 
  index=index
)

通過調(diào)用 unstack()，它將最里面的索引解棧到列中。

例如，我們可以使用方法鏈來運(yùn)行另一個(gè) unstack() 或傳遞一個(gè)列表

# Method chaining
df.unstack().unstack()
df.unstack().unstack().unstack()
# The equivalent
df.unstack([2,1])
df.unstack([2,1,0])

結(jié)論

在本文中，我們介紹了 7 個(gè)使用 Pandas 的 stack()和 unstack() 重塑 DataFrame 的用例，該方法本身非常易于使用，并且是在數(shù)據(jù)預(yù)處理中操縱數(shù)據(jù)的最受歡迎的方法之一。

到此這篇關(guān)于詳解Pandas中stack()和 unstack()的使用技巧的文章就介紹到這了,更多相關(guān)Pandas stack()  unstack()內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論