重塑和轴向旋转

有许多用于重新排列表格型数据的基础运算。这些函数也称作重塑(reshape)或轴向旋转(pivot)运算

重塑层次化索引

层次化索引为DataFrame数据的重排任务提供了一致性方式。

stack : 将数据的列旋转为行

unstack: 将数据的行旋转为列

看例子:

data = DataFrame(np.arange(6).reshape((2, 3)), index=pd.Index([‘Ohio‘, ‘Colorado‘], name=‘state‘), columns=pd.Index(["one", "two", "three"], name="number"))

注意

如果不是所有的级别值都能在各分组中找到的话, 则unstack操作可能会引入缺失数据:

stack()默认会滤除缺失数据, 因此该运算是可逆的:

DataFrame 的unstack操作

时间: 2024-10-22 02:36:10

重塑和轴向旋转的相关文章

pandas学习(创建多层索引、数据重塑与轴向旋转)

pandas学习(创建多层索引.数据重塑与轴向旋转) 目录 创建多层索引 数据重塑与轴向旋转 创建多层索引 隐式构造 Series 最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组,Series也可以创建多层索引. s = Series(np.random.randint(0,150,size=6),index=[['a','a','b','b','c','c'],['期中','期末','期中','期末','期中','期末']]) # 输出 a 期中 59 期末 4

图表部件设置X轴的旋转显示

在实际的项目开发中,也许会遇到图表部件X轴节点值过长,导致图表节点值显示重叠,分不清节点值. 如图 因此度量快速开发平台封装了下列方法: 图表X轴值旋转显示方法:XLableAngle 作用 设置X轴标签的旋转角度[饼图和漏斗图除外].设置值 int类型,旋转角度(-360至360).示例图表部件. XLableAngle=-45 效果: 只需在数据刷新代码之后添加:图表部件. XLableAngle=-45 即可. [size=13.3333px]注:-45是旋转角度值,范围在-360至360

CSS3.0动画之hover---Y轴----3D旋转

div#div2{display: table; width: 100%; height: 100%; text-decoration: none; outline: none; -webkit-transition: all 800ms ease-out; /* CSS3 transition. Last value is pause before transition play */ -moz-transition: all 800ms ease-out; transition: all 8

OpenGL学习——变换——绕x轴来回旋转的木板

学习OpenGL的变换. Local Space => World Space => View Space => Clip Space => Screen Space ModelMatrix ViewMatrix ProjectionMatrix   :   Orthographic   Perspective GLM: OpenGL Mathematics 变换效果: 初始化与渲染代码: RectFall.h #ifndef RectFall_h #define RectFall

pandas数据大发888平台出租规整化:清理、转换、合并、重塑

数据分析和大发888平台出租haozbbs.comQ1446595067建模方面的大量编程工作都是用在数据准备上的:加载.清理.转换以及重塑.许多人选择使用通用编程语言或unix文本处理工具(如sed或awk)对数据格式进行专门处理. 幸运的是,pandas和python标准库提供了一组高级的.灵活的.高效的核心函数和算法,将数据规整化正确的形式. 合并数据集: pandas对象中的数据可以通过一些内置的方式进行合并:(1)pandas.merge可根据一个名多个键将不同DataFrame中的行

数据分析之数据规整化

数据规整化:清理.转换.合并.重塑 1.合并数据集 pandas对象中的数据可以通过一些内置的方式进行合并: pandas.merge pandas.concat:沿一条轴线将多个对象进行堆叠 combine_first:重复数据连接,用一个对象中的值填充另一个缺失值 1.1 数据库风格的DataFrame合并 pd.merge(df1,df2)  合并其中column名字相同的数据. pd.merge(df1,df2, left_on = '1key', right_on = 'rkey')

《利用Python进行数据分析》.(Wes McKinney).[PDF].pdf

下载地址:网盘下载 内容简介  · · · · · · [名人推荐] "科学计算和数据分析社区已经等待这本书很多年了:大量具体的实践建议,以及大量综合应用方法.本书在未来几年里肯定会成为Python领域中技术计算的权威指南." --Fernando Pérez 加州大学伯克利分校 研究科学家, IPython的创始人之一 [内容简介] 还在苦苦寻觅用python控制.处理.整理.分析结构化数据的完整课程?本书含有大量的实践案例,你将学会如何利用各种Python库(包括NumPy.pan

总是在起头可是能怎么办呢 Python数据分析

目录 前言1 第1章准备工作5 本书主要内容5 为什么要使用Python进行数据分析6 重要的Python库7 安装和设置10 社区和研讨会16 使用本书16 致谢18 第2章引言20 来自bit.ly的1.usa.gov数据21 MovieLens1M数据集29 1880—2010年间全美婴儿姓名35 小结及展望47 第3章IPython:一种交互式计算和开发环境48 IPython基础49 内省51 使用命令历史60 与操作系统交互63 软件开发工具66 IPythonHTMLNoteboo

利用python进行数据分析之数据规整化

数据分析和建模大部分时间都用在数据准备上,数据的准备过程包括:加载,清理,转换与重塑. 合并数据集 pandas对象中的数据可以通过一些内置方法来进行合并: pandas.merge可根据一个或多个键将不同DataFrame中的行连接起来,实现类似于数据库中的连接操作. pandas.cancat表示沿着一条轴将多个对象堆叠到一起. 实例方法combine_first可以将重复数据编接在一起,用一个对象中的值填充另一个对象的缺失值. 下面将进行分别讲解: 1.数据库风格的DateFrame合并