15.Pandas使用stack和pivot實作資料透視
文章目錄
- 15.Pandas使用stack和pivot實作資料透視
- 前言
- 一、經過統計得到多維度指標資料
- 二、使用unstack實作資料的二維透視
- 三、使用pivot簡化透視
- 四、stack、unstack、pivot的語法
- 1.stack
- 2.unstack
- 3.pivot
- 總結
前言
筆者最近正在學習Pandas資料分析，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實作資料透視，
- 經過統計得到多維度指標資料
- 使用unstack實作資料二維透視
- 使用pivot簡化透視
- stack、unstack、pivot的語法
一、經過統計得到多維度指標資料
非常場景的統計場景，指定多個維度，計算聚合后的指標
實體：統計得到“電影評分資料集”，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
#實作資料統計
# 對于這樣格式的資料，我想查看按月份，不同評分的次數趨勢，是沒有辦法進行實作的，需要將資料轉換為每個評分是一列才可以實作，
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum)
df_group.head(20)
二、使用unstack實作資料的二維透視
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，然后呼叫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實作二維透視
總結
這就是pandas中使用stack和pivot實作資料透視的基本用法了，希望可以幫助到你，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/297967.html
標籤：其他