python中transpose函数_Python pandas.DataFrame.transpose函数方法的使用

DataFrame.transpose(*args, copy=False)[source]

转置索引和列。

通过将行写为列将DataFrame反映在其主要对角线上,反之亦然。该属性T是方法的访问器 transpose()。

参数:*args :tuple, 可选

接受与NumPy的兼容性。

copy :bool, 默认为 False

是否在转置后复制数据,

即使对于具有单个dtype的DataFrame也是如此。

请注意,

对于混合dtypeDataFrame或具有任何扩展名类型的DataFrame,

始终需要副本。

返回值:DataFrame

转置的DataFrame。

Notes

转换带有混合dtypes的DataFrame将导致对象 dtype具有同构的DataFrame 。在这种情况下,始终会复制数据。

例子

具有齐次dtype的Square DataFrame>>> d1 = {'col1': [1, 2], 'col2': [3, 4]}

>>> df1 = pd.DataFrame(data=d1)

>>> df1

col1 col2

0 1 3

1 2 4

>>> df1_transposed = df1.T # or df1.transpose()

>>> df1_transposed

0 1

col1 1 2

col2 3 4

当dtype在原始DataFrame中是同构的时,我们将获得具有相同dtype的转置DataFrame:>>> df1.dtypes

col1 int64

col2 int64

dtype: object

>>> df1_transposed.dtypes

0 int64

1 int64

dtype: object

具有混合dtypes的非方形DataFrame>>> d2 = {'name': ['Alice', 'Bob'],

... 'score': [9.5, 8],

... 'employed': [False, True],

... 'kids': [0, 0]}

>>> df2 = pd.DataFrame(data=d2)

>>> df2

name score employed kids

0 Alice 9.5 False 0

1 Bob 8.0 True 0

>>> df2_transposed = df2.T # or df2.transpose()

>>> df2_transposed

0 1

name Alice Bob

score 9.5 8

employed False True

kids 0 0

当DataFrame具有混合的dtypes时,我们得到一个对象 dtype的转置DataFrame :>>> df2.dtypes

name object

score float64

employed bool

kids int64

dtype: object

>>> df2_transposed.dtypes

0 object

1 object

dtype: object

你可能感兴趣的:(python中transpose函数_Python pandas.DataFrame.transpose函数方法的使用)