长宽表的变形

Pivot

pivot 是一种典型的长表变宽表的函数
对于一个基本的长变宽的操作而言，最重要的有三个要素，分别是变形后的行索引、需要转到列索引的列，以及这些列和行索引对应的数值，它们分别对应了 pivot 方法中的 index, columns, values 参数。新生成表的列索引是 columns 对应列的 unique 值，而新表的行索引是 index 对应列的 unique 值，而 values 对应了想要展示的数值列。

利用 pivot 进行变形操作需要满足唯一性的要求，即由于在新表中的行列索引对应了唯一的 value ，因此原表中的 index 和 columns 对应两个列的行组合必须唯一。
[图片上传失败...(image-873c4b-1609060176874)]
'''
pivot_multi = df.pivot(index = ['Class', 'Name'],
....: columns = ['Subject','Examination'],
....: values = ['Grade','rank'])
'''

pivot_table

pivot 的使用依赖于唯一性条件，那如果不满足唯一性条件，那么必须通过聚合操作使得相同行列组合对应的多个值变为一个值。

df.pivot_table(index = 'Name',
   ....:                columns = 'Subject',
   ....:                values = 'Grade',
   ....:                aggfunc = 'mean')

练一练

前提是所有列的类型一样？才会能求边际汇总？

melt

通过相应的逆操作把宽表转为长表

In [22]: df_melted = df.melt(id_vars = ['Class', 'Name'],
   ....:                     value_vars = ['Chinese', 'Math'],
   ....:                     var_name = 'Subject',
   ....:                     value_name = 'Grade')

第一个参数自然是要处理的数据集。
id_vars是指普通列的列名，这些列的内容就不会被转换。
value_vars是指那些需要转换的列名，如果剩下的列全部都要转换，就可以不用写了。
*（问题来了：如果某些列没有包含在id_vars和value_vars中会怎么样呢？答:这些列的内容会被忽略）
var_name和value_name是设置对应的列名。

wide_to_long

melt 方法中，在列索引中被压缩的一组值对应的列元素只能代表同一层次的含义，即 values_name 。现在如果列中包含了交叉类别，比如期中期末的类别和语文数学的类别，那么想要把 values_name 对应的 Grade 扩充为两列分别对应语文分数和数学分数，只把期中期末的信息压缩，这种需求下就要使用 wide_to_long 函数来完成。

image.png

stack与unstack

unstack 函数的作用是把行索引转为列索引
unstack 的主要参数是移动的层号，默认转化最内层，移动到列索引的最内层，同时支持同时转化多个层
类似于 pivot 中的唯一性要求，在 unstack 中必须保证被转为列索引的行索引层和被保留的行索引层构成的组合是唯一的
与 unstack 相反， stack 的作用就是把列索引的层压入行索引，其用法完全类似。

其他变形函数

crosstab 能实现的所有功能 pivot_table 都能完成，并且速度更快。在默认状态下， crosstab 可以统计元素组合出现的频数，即 count 操作。
explode 参数能够对某一列的元素进行纵向的展开，被展开的单元格必须存储 list, tuple, Series, np.ndarray 中的一种类型
get_dummies
get_dummies 是用于特征构建的重要函数之一，其作用是把类别特征转为指示变量。例如，对年级一列转为指示变量，属于某一个年级的对应列标记为1，否则为0

Pandas 【Chapter 5】