pandas 数据融合行列格式转换案例

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求是对数据的形状进行转换。将以下原数据转换为目标数据格式，区域、性别展开，并集中一列展示数量列。

数据集

原数据：

'''
区域ID 性别女 性别男
1 111 111
2 222 222
3 333 333
'''

转化为目标数据：

'''
区域ID 性别  数量
1  女  111
1  男  111
2  女  222
2  男  222
3  女  333
3  男  333
'''

思路分析

Pandas 的 df.melt() 是 df.pivot() 逆转操作函数，可以将列放在行上，对数据展开，符合需求，操作完再做必要的数据格式处理。

另外一个方法是用 df.stack() 堆叠，把数据的列放到行上，在堆叠前要将不做行列转换的列设置为索引，操作完再做必要的数据格式处理。

代码

方法一，用 pd.melt() 数据融合方法会得到数据结果，再进行相应的格式处理：

(
    pd.melt(df, id_vars=['区域ID'], var_name='性别', value_name='数量')
    .assign(性别=lambda x: x.性别.str.replace('性别', ''))
    .sort_values('区域ID')
)
'''
   区域ID 性别   数量
0     1  女  111
3     1  男  111
1     2  女  222
4     2  男  222
2     3  女  333
5     3  男  333
'''

方法二，使用堆叠的办法，再进行相应的其他数据处理：

(
    df.set_index('区域ID')
    .stack()
    .reset_index()
    .rename(columns={'level_1':'性别', 0:'人数'})
)
# 结果同方法一

pandas 数据融合行列格式转换案例

数据集

思路分析

代码

相关内容