小呆学数据分析——使用pandas的pivot进行数据重塑

数据重塑的应用场景

例子

小呆跟着小瓜在炒股，每一次的操作都进行了详细的记录，几个月了小呆想看看自己炒股的收益以及炒股的技巧到底怎么样，于是小呆先打开平时的记录，看了看情况：
stock.csv

date,item,stock1,stock2
2018-03-31,buy into,2710.,1669.
2018-03-31,sell,2708.,1826.
2018-06-30,buy into,2686.,1806
2018-06-30,sell,2700.,1820.
2018-09-30,buy into,2695.,1810.
2018-09-30,sell,1680.,1800.

小呆打开python，写下代码

import pandas as pd
stk = pd.read_csv('stock.csv') 
print(stk)

结果和stock.csv内容一样，既然对了，那现在就做点变化吧，这次小呆信心满满的，因为他知道该怎么做，上次小瓜说层次化索引的时候还说过很多数据在处理之前要重排，所以这次当然也是用到数据重排咯。

小呆想先把date和item做成索引吧，于是写下代码

stk2 = stk.set_index(['date', 'item'])

结果如下：

                     stock1  stock2
date       item                    
2018-03-31 buy into  2710.0  1669.0
           sell      2708.0  1826.0
2018-06-30 buy into  2686.0  1806.0
           sell      2700.0  1820.0
2018-09-30 buy into  2695.0  1810.0
           sell      1680.0  1800.0

小呆想起了那天处理小妹的成绩汇总的方法，可以用到那个技术嘛，于是写下代码

print(stk2.unstack())

结果如下：

             stock1                  stock2               
item      buy into    sell   buy into     sell
date                                                      
2018-03-31   2710.0  2708.0   1669.0   1826.0
2018-06-30   2686.0  2700.0   1806.0   1820.0
2018-09-30   2695.0  1680.0   1810.0   1800.0

这时小瓜过来看到小呆在码代码，说呆总，不用那么麻烦，这个操作只要用pivot就可以了

print(stk.pivot('date', 'item'))

结果也是这样的。
原来这样啊。不管怎么说小呆看到这个表格，发现自己投资stock1亏了，投资stock2盈了，总的来说还是赚了钱的。小呆点头微笑道。

文章导引列表：
机器学习

1. 小瓜讲机器学习——分类算法（一）logistic regression(逻辑回归)算法原理详解
2. 小瓜讲机器学习——分类算法（二）支持向量机（SVM）算法原理详解
3. 小瓜讲机器学习——分类算法（三）朴素贝叶斯法（naive Bayes）
4. 待续

---

数据分析

1. 小呆学数据分析——使用pandas中的merge函数进行数据集合并
2. 小呆学数据分析——使用pandas中的concat函数进行数据集堆叠
3. 小呆学数据分析——pandas中的层次化索引
4. 小呆学数据分析——使用pandas的pivot进行数据重塑
5. 小呆学数据分析——用duplicated/drop_duplicates方法进行重复项处理
6. 小呆学数据分析——缺失值处理（一）
7. 小呆学数据分析——异常值判定与处理（一）
8. 小瓜讲数据分析——数据清洗

---

数据可视化

1. 小瓜讲数据分析——数据可视化工程（matplotlib库使用基础篇）
2. 小瓜讲matplotlib高级篇——坐标轴设置（坐标轴居中、坐标轴箭头、刻度设置、标识设置）