在 Pandas 中使用 stack() 和 unstack() 函数重塑 DataFrame
Preet Sanghavi
2023年1月30日
Pandas 是 Python 中的高级数据分析工具或包扩展。当我们在 SQL 表、电子表格或异构列中有数据时，强烈建议使用 Pandas。
本文探讨了 Pandas 中堆栈和取消堆栈的基本概念。在 Pandas 中，stacking 和 unstacking 被广泛用于改变正在考虑的 DataFrame 的形状。
让我们看看这个方法的实际效果。首先，我们将创建一个虚拟 DataFrame dates_data 以及几行。
import pandas as pd
index = pd.date_range("2013-1-1", periods=100, freq="30Min")
dates_data = pd.DataFrame(data=list(range(100)), columns=["value"], index=index)
dates_data["value2"] = "Alpha"
dates_data["value2"].loc[0:10] = "Beta"
上面的代码块创建了一个 DataFramedates_data，其中包含日期和名为 value 和 value2 的两列。查看数据中的条目，我们使用以下代码：
print(dates_data)
输出：
value value2
2013-01-01 00:00:00 0 Beta
2013-01-01 00:30:00 1 Beta
2013-01-01 01:00:00 2 Beta
2013-01-01 01:30:00 3 Beta
2013-01-01 02:00:00 4 Beta
... ... ...
2013-01-02 23:30:00 95 Alpha
2013-01-03 00:00:00 96 Alpha
2013-01-03 00:30:00 97 Alpha
2013-01-03 01:00:00 98 Alpha
2013-01-03 01:30:00 99 Alpha
正如我们所看到的，我们有 100 个不同的条目，每个条目在 30 分钟的间隔后设置的时间相同。
此外，还创建了两个名为 value 和 value2 的附加列，其中我们将一些值设置为数字，而将其他值设置为 Alpha 或 Beta。
Pandas 中的 stack() 和 unstack() 函数
我们可以借助 Pandas 中名为 stack() 和 unstack() 的两个函数来更改名为 dates_data 的 DataFrame。这个函数可以帮助我们改变 DataFrame 的方向，使行变成列，列相应地变成行。
我们将尝试将 DataFrame 中的 value 和 value2 更改为行，并将其中的值更改为行中的条目。
使用 unstack() 函数来改变我们的 DataFrame
命令：
dates_data = dates_data.unstack()
print(dates_data)
输出：
value 2013-01-01 00:00:00 0
2013-01-01 00:30:00 1
2013-01-01 01:00:00 2
2013-01-01 01:30:00 3
2013-01-01 02:00:00 4
...
value2 2013-01-02 23:30:00 Alpha
2013-01-03 00:00:00 Alpha
2013-01-03 00:30:00 Alpha
2013-01-03 01:00:00 Alpha
2013-01-03 01:30:00 Alpha
Length: 200, dtype: object
现在，我们已经成功地改变了我们的数据，现在我们将列作为数据中的行条目。
使用 unstack() 函数来改变我们的 DataFrame
命令：
dates_data = dates_data.stack()
print(dates_data)
输出：
2013-01-01 00:00:00 value 0
value2 Beta
2013-01-01 00:30:00 value 1
value2 Beta
2013-01-01 01:00:00 value 2
...
2013-01-03 00:30:00 value2 Alpha
2013-01-03 01:00:00 value 98
value2 Alpha
2013-01-03 01:30:00 value 99
value2 Alpha
Length: 200, dtype: object
列值现在在我们的 DataFrame 中堆叠为行。
因此，借助 Pandas 中的 unstacking 技术，我们可以根据需要在需要时有效地过滤数据，并转换 DataFrame 的外观，以便以更好的方式可视化数据。
作者： Preet Sanghavi
