Pandas各种骚操作

stack()、unstack()、pivot()、pivot_table()

假如以下数据是5个公司4年分别的销售额：

import pandas as pd

df = pd.DataFrame({
    "Company": ["Apple", "Google", "Facebook", "Amozon", "Tencent"],
    "2013": [5000, 3500, 2300, 2100, 3100],
    "2014": [5050, 3800, 2900, 2500, 3300],
    "2015": [5050, 3800, 2900, 2500, 3300],
    "2016": [5050, 3800, 2900, 2500, 3300]
})

melt()函数

df_melt = df.melt(id_vars=['Company'], var_name='Year', value_name='Sale')

pivot()函数

df_pivot = df_melt.pivot(index="Company", columns=["Year"], values=["Sale"])

df_pivot.index # Index(['Amozon', 'Apple', 'Facebook', 'Google', 'Tencent'], dtype='object', name='Company')
df_pivot.columns # Index(['2013', '2014', '2015', '2016'], dtype='object', name='Year')

pivot_table()函数
pivot_table()函数和pivot()函数类似，但功能更为强大。
例如如下数据：

df = pd.DataFrame({'foo': ['one','one','one','one','two','two'],
                       'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
                       'baz': [1, 2, 3, 4, 5, 6]})

df_pivot_table = df.pivot_table(index='foo', columns='bar', values='baz')

A在one中重复了两次，被默认取了平均值，A在two中不存在，值为NaN。这个聚合函数功能和填充功能可以通过aggfunc和fill_value参数控制，比如：

df_pivot_table = df.pivot_table(index='foo', columns='bar', values='baz', aggfunc=np.sum, fill_value=0)

以上功能如果使用pivot()函数会报错，因为限制了唯一性。此外，pivot_table()的index参数支持列表，而pivot()则会报错。

所以，通常，melt()通常和pivot_table()搭配使用。

import pandas as pd

df = pd.DataFrame({
    "Name": ["苹果", "谷歌", "脸书", "亚马逊", "腾讯"],
    "Company": ["Apple", "Google", "Facebook", "Amozon", "Tencent"],
    "2013": [5000, 3500, 2300, 2100, 3100],
    "2014": [5050, 3800, 2900, 2500, 3300],
    "2015": [5050, 3800, 2900, 2500, 3300],
    "2016": [5050, 3800, 2900, 2500, 3300]
})

df_melt = df.melt(id_vars=['Name','Company'],var_name='Year',value_name='Sale')

df_pivot_table = df_melt.pivot_table(index=["Name", "Company"], columns=["Year"], values=["Sale"])

注意的是转换后的index和columns，是一个多维的：

df_pivot_table.index
MultiIndex([('亚马逊',   'Amozon'),
            ( '脸书', 'Facebook'),
            ( '腾讯',  'Tencent'),
            ( '苹果',    'Apple'),
            ( '谷歌',   'Google')],
           names=['Name', 'Company'])

df_pivot_table.columns
MultiIndex([('Sale', '2013'),
            ('Sale', '2014'),
            ('Sale', '2015'),
            ('Sale', '2016')],
           names=[None, 'Year'])

可以通过以下方法还原：

df_pivot_table.reset_index(inplace=True, col_level=1)
df_pivot_table.columns = df_pivot_table.columns.get_level_values(1).array

col_level参数表示index放在多重列的哪一列。

找出存在NaN的数据：

df[df.isnull().values==True]

找出NaN值的位置：

df.isnull().stack()[lambda x: x].index.tolist()

删除存在NaN值数据：

df.dropna(axis=0, how='any', inplace=True)

DataFrame的遍历：iterrows(), iteritems(), itertuples()

将Datetime列表转换为字符串类型的日期列表：

df_per_unit[‘date’]是Series对象，里面元素是datetime64[ns]类型。
list(pd.to_datetime(df_per_unit[‘date’].unique()).strftime("%Y-%m-%d"))
df[‘date’].unique()：ndarray对象

df.reset_index()

df.set_index()

df.reindex(idx,fill_value=0)

显示不全问题

# 显示所有行
pd.set_option('display.max_rows', None)
# 显示所有列
pd.set_option('display.max_columns', None)
# 整体显示宽度
pd.set_option('display.width', 1000)
# 列显示宽度，默认为50
pd.set_option('max_colwidth', 1000)