python stack unstack_Python笔记：记pandas中几个好用的函数
pandas是python数据分析常用的库之一！从数据加载到预处理，从数据分析到可视化，pandas提供了一站式服务。而以下这几个聚合统计函数，更是好用！
本文主要讲解pandas中的7个聚合统计相关函数，所用数据创建如下：
# 导包
import pandas as pd
import numpy as np
# 构造数据
df = pd.DataFrame({"部门":["蔬菜","水果","水产","蔬菜","水果","水产"],
"小组":["叶菜结球组","国产一组","活鲜组","叶菜结球组","国产一组","活鲜组"],
"品名":["白菜","苹果","基围虾","土豆","哈密瓜","中鲫鱼"],
"利润":[700, 800, 600, 500, 400, 1000]})
# 打印输出
df
01 nunique
number of unique，用于统计各列数据的唯一值个数，相当于SQL语句中的count(distinct **)用法。nunique()既适用于一维的Series也适用于二维的DataFrame，但一般用于Series较多，此时返回一个标量数值，表示该series中唯一值的个数。
例如，想统计前面数据表中开课的个数，则可用如下语句：
df["小组"].nunique()
02 unique
nunique用于统计唯一值个数，而unique则用于统计唯一值结果序列。接收一个series类型作为输入，返回一个去重后的一维ndarray对象作为输出。
正因为各列的返回值是一个ndarray，而对于一个dataframe对象各列的唯一值ndarray长度可能不一致，此时无法重组成一个二维ndarray，从这个角度可以理解unique不适用于dataframe的原因。
仍上述为例，想统计所有小组的名称，则可用如下语句：
df["小组"].unique()
03 value_counts
如果说unique可以返回唯一值结果的话，那么value_counts则在其基础上进一步统计各唯一值出现的个数；类似的，unique返回一个无标签的一维ndarray作为结果，与之对应value_counts则返回一个有标签的一维series作为结果。
例如，在上述例子中，不仅想知道各小组的名称，还需了解各小组的商品个数(SKU数)，可用语句为：
df["小组"].value_counts()
如果说前面的三个函数主要适用于pandas中的一维数据结构series的话(nunique也可用于dataframe)，那么接下来的这两个函数则是应用于二维dataframe。
04 groupby
groupby，顾名思义，是用于实现分组聚合统计的函数，与SQL中的group by逻辑类似。例如想统计前面各小组中各组的总利润，代码如下：
df.groupby(["小组"])["利润"].sum()
或：
df.groupby(by = "小组")["利润"].sum()
或：
df.groupby(by = ["小组"])["利润"].sum()
当然，groupby的强大之处在于，分组依据的字段可以不只一列。例如想统计各小组每款商品的总利润，代码如下：
df.groupby(["小组","品名"])["利润"].sum()
不只是分组依据可以用多列，聚合函数也可以是多个。例如想同时统计各部门每个小组的总利润和商品个数(SKU)，代码如下：
df.groupby(["部门","小组"])["利润"].agg({"总利润":"sum", "SKU":"count"})
普通聚合函数sum和agg的用法区别是，前者适用于单一的聚合需求，例如对所有列求和或对所有列求均值等；而后者适用于差异化需求，例如A列求和、B列求最值、C列求均值等等。
另外，groupby的分组字段和聚合函数都还存在很多其他用法：分组依据可以是一个传入的序列(例如某个字段的一种变形)，聚合函数agg内部的写法还有列表和元组等多种不同实现。例如，这里想以小组的简称(“首个字”)进行分组统计各组总利润，代码如下：
df.groupby(df["小组"].str[0])["利润"].sum()
或：
df.groupby(by = df["小组"].str[0])["利润"].sum()
05 pivot_table
pivot_table是pandas中用于实现数据透视表功能的函数，与Excel中相关用法如出一辙。
何为数据透视表？数据透视表本质上仍然数据分组聚合的一种，只不过是以其中一列的唯一值结果作为行、另一列的唯一值结果作为列，然后对其中任意(行，列)取值坐标下的所有数值进行聚合统计，就好似完成了数据透视一般。
pivot_table函数参数列表如下：
df.pivot_table?
在以上参数中，最重要的有4个：
values：用于透视统计的对象列名
index：透视后的行索引所在列名
columns：透视后的列索引所在列名
aggfunc：透视后的聚合函数，默认是求均值
这里仍然以求部门每个小组的总利润为例，则应用pivot_table实现此功能的语句为：
pd.pivot_table(df, index = "部门", columns = "小组")
或：
df.pivot_table(values = "利润", index = "部门", columns = "小组")
或：
df.pivot_table("利润", index = "部门", columns = "小组")
注：aggfunc默认是求均值函数"mean"
作为对比，再次给出用groupby实现相同功能的结果：
df.groupby(["部门","小组"])["利润"].mean()
分组后如不加["利润"]则也可返回dataframe结果
df.groupby(["部门","小组"]).mean()
从结果可以发现，与用groupby进行分组统计的结果很是相近，不同的是groupby返回对象是2个维度，而pivot_table返回数据格式则更像是包含3个维度。
既然二者如此相似，那么是否可以实现相互转换呢？答案是肯定的！
06 stack 和 unstack
stack和unstack可以实现在如上两种数据结果中相互变换。从名字上直观理解：
stack用于堆栈，所以是将3维数据堆成2维
unstack用于解堆，所以可将2维数据解堆成3维
直接以前述分析结果为例，对pivot_table数据透视结果进行stack，结果如下：
pd.pivot_table(df, index = "部门",columns = "小组").stack()
pivot_table+stack=groupby
类似地，对groupby分组聚合结果进行unstack，结果如下：
df.groupby(["部门","小组"])["利润"].mean().unstack()
groupby+unstack=pivot_table
顿悟：麻雀虽小，玩转的却是整个天空；pandas接口有限，阐释的却有道家思想：一生二、二生三、三生万物……