Python pivot详解

Python的pivot函数用来重塑数据，官方定义如下所示

 

pivot(index=None, columns=None, values=None)

 

index: 可选参数。设置新dataframe的行索引，如果未指明，就用当前已存在的行索引。

 

columns：必选参数。用来设置作为新dataframe的列索引。

 

values：可选参数。在原dataframe中选中某一列/几列的值，使其在新dataframe的列里显示。如果不指定，则默认将原dataframe中所有的列都显示，这里需要注意：为了将所有的值都显示出来，就会出现多层行索引的情况。

 

示例如下

df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3, 'B': ['G', 'H', 'K'] * 4, 'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2, 'D': np.random.randn(12), 'E': np.random.randn(12)})

 

 

不设置行索引(不指定index)，设置新的列索引为B，values取C，如下所示

 

 

指定values为C和D时，C和D就变成了层次化的列索引。如下图所示

 

其实可以这样理解：上图为 values只为C时的结果+ values只为D时的结果

 

values值取默认时，如下所示（values=A +C +D +E）

 

使用pivot函数，如果index或者columns中出现了多重值的情况，就会出错。

ValueError: Index contains duplicate entries, cannot reshape

 

举例如下：df.pivot(index='A', columns='B', values='D')

 

这是为什么呢？设置df 的index为A，在对df进行reshape时，A列的‘one’需要进行合并，如下图所示

 

 

设置columns为B，则B列的G,H,K列开始合并，如下图所示

设置values值为D，此时就会出现问题：one和G对应的数值到底是-0.3，还是0.07呢？Python无法进行分辨，就会报错。

 

 

通过上面的分析，就可以发现pivot函数就是set_index()和unstack()函数的集合。

 

df.set_index([‘B’,  ’D’])

 

再将D列unstack，就与pivot效果完全相同

 

通过以上的学习，你掌握pivot的用法了么？

更多内容，请关注我的微信公众号：EE漫谈