Python DataFrame中stack()方法、unstack()方法和pivot()方法怎么用

在数据分析和处理中，Pandas库是Python中最常用的工具之一。Pandas提供了强大的数据结构，如DataFrame，用于处理和分析结构化数据。在DataFrame中，stack()、unstack()和pivot()是三个常用的方法，用于数据的重塑和透视。本文将详细介绍这三个方法的用法，并通过示例代码帮助读者理解它们的具体应用场景。

1. stack()方法

stack()方法用于将DataFrame的列“堆叠”为行，即将列索引转换为行索引。它通常用于将宽格式的数据转换为长格式的数据。

1.1 基本用法

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['X', 'Y', 'Z'])

print("原始DataFrame:")
print(df)

# 使用stack()方法
stacked_df = df.stack()

print("\nstack()后的DataFrame:")
print(stacked_df)

输出结果：

原始DataFrame:
   A  B  C
X  1  4  7
Y  2  5  8
Z  3  6  9

stack()后的DataFrame:
X  A    1
   B    4
   C    7
Y  A    2
   B    5
   C    8
Z  A    3
   B    6
   C    9
dtype: int64

1.2 解释

• 原始DataFrame有三列（A、B、C）和三行（X、Y、Z）。
• 使用stack()方法后，列索引（A、B、C）被转换为行索引，形成多级索引（MultiIndex）。
• 结果是一个Series对象，其中每个元素由原始DataFrame的行索引和列索引组合而成。

1.3 应用场景

stack()方法通常用于将宽格式的数据转换为长格式的数据，便于后续的分析和处理。例如，在处理时间序列数据或面板数据时，stack()方法可以将多个时间点的数据堆叠在一起，形成更长的数据格式。

2. unstack()方法

unstack()方法与stack()方法相反，它将行索引“展开”为列索引，即将多级索引的行转换为列。

2.1 基本用法

# 使用unstack()方法
unstacked_df = stacked_df.unstack()

print("\nunstack()后的DataFrame:")
print(unstacked_df)

输出结果：

unstack()后的DataFrame:
   A  B  C
X  1  4  7
Y  2  5  8
Z  3  6  9

2.2 解释

• unstack()方法将stack()后的Series对象重新转换为DataFrame。
• 原始的多级索引被展开，行索引（X、Y、Z）保持不变，列索引（A、B、C）重新出现。

2.3 应用场景

unstack()方法通常用于将长格式的数据转换为宽格式的数据，便于数据的展示和分析。例如，在处理面板数据时，unstack()方法可以将多个时间点的数据展开为多个列，形成更宽的数据格式。

3. pivot()方法

pivot()方法用于将DataFrame中的数据重新排列，生成一个新的DataFrame。它通常用于将长格式的数据转换为宽格式的数据，类似于Excel中的数据透视表。

3.1 基本用法

# 创建一个示例DataFrame
df = pd.DataFrame({
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],
    'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai'],
    'Temperature': [10, 15, 12, 18]
})

print("原始DataFrame:")
print(df)

# 使用pivot()方法
pivot_df = df.pivot(index='Date', columns='City', values='Temperature')

print("\npivot()后的DataFrame:")
print(pivot_df)

输出结果：

原始DataFrame:
         Date      City  Temperature
0  2023-01-01   Beijing           10
1  2023-01-01  Shanghai           15
2  2023-01-02   Beijing           12
3  2023-01-02  Shanghai           18

pivot()后的DataFrame:
City        Beijing  Shanghai
Date                         
2023-01-01       10        15
2023-01-02       12        18

3.2 解释

• 原始DataFrame包含三列：Date、City和Temperature。
• 使用pivot()方法后，Date列作为行索引，City列作为列索引，Temperature列作为值。
• 结果是一个新的DataFrame，其中每个单元格表示某个日期和城市的温度。

3.3 应用场景

pivot()方法通常用于将长格式的数据转换为宽格式的数据，便于数据的展示和分析。例如，在处理时间序列数据或地理数据时，pivot()方法可以将多个维度的数据重新排列，形成更直观的数据格式。

4. 总结

• stack()方法用于将列索引转换为行索引，将宽格式的数据转换为长格式的数据。
• unstack()方法用于将行索引转换为列索引，将长格式的数据转换为宽格式的数据。
• pivot()方法用于将长格式的数据重新排列，生成一个新的DataFrame，类似于数据透视表。

在实际的数据分析和处理中，stack()、unstack()和pivot()方法是非常有用的工具，能够帮助用户灵活地重塑和透视数据，满足不同的分析需求。通过本文的介绍和示例代码，读者可以更好地理解这三个方法的用法和应用场景，并在实际工作中灵活运用。