pandas pd.lreshape() 宽表转长表

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》。

pandas.lreshape 是 Pandas 中一个用于对数据进行长格式（long format）重塑的函数。该函数通过将多个列组合为一对对的形式，来转换数据结构。这个函数尤其适用于数据透视和非透视操作，尤其是当你有多对列需要转换时。

函数签名

将宽格式数据重塑为长格式。DataFrame.pivot 的广义逆操作。

接受一个字典、组，其中每个键都是一个新的列名，每个值都是旧列名的列表，作为重塑的一部分，这些旧列名将“融化”在新列名下。

pandas.lreshape(data, groups, dropna=True)

参数解释

data (pandas.DataFrame):
- 输入的数据集，必须是一个 Pandas DataFrame 对象。
groups (dict):
- 用于定义要重塑的列组。它是一个字典，每个键对应一个新列的名称，值是要合并为该新列的原始列名列表。例如，{'value': ['value1', 'value2']} 表示将 value1 和 value2 列合并为一个名为 value 的列。
dropna (bool, optional):
- 是否在重塑后删除包含 NaN 值的行。默认为 True，即删除包含 NaN 的行。如果设置为 False，则保留这些行。

返回值

pandas.DataFrame:
- 返回一个重塑后的 Pandas DataFrame。

使用场景

pandas.lreshape 主要用于将宽格式（wide format）的数据转换为长格式（long format）。当你有一组相关的列，并希望将它们合并为一个列时，这个函数非常有用。特别是在处理多列数据透视表、时间序列数据等场景时，它可以极大简化数据转换的过程。

讲解

data = pd.DataFrame({'hr1': [514, 573], 'hr2': [545, 526],
                     'team': ['Red Sox', 'Yankees'],
                     'year1': [2007, 2007], 'year2': [2008, 2008]})
data
'''
   hr1  hr2     team  year1  year2
0  514  545  Red Sox   2007   2008
1  573  526  Yankees   2007   2008
'''

pd.lreshape(data, {'year': ['year1', 'year2'], 'hr': ['hr1', 'hr2']})
'''
      team  year   hr
0  Red Sox  2007  514
1  Yankees  2007  573
2  Red Sox  2008  545
3  Yankees  2008  526
'''

示例讲解

1. 基本示例

假设我们有一个 DataFrame，记录了两个不同时间点的值。我们希望将这些数据从宽格式转换为长格式。

import pandas as pd

# 构造宽格式数据
data = pd.DataFrame({
    'id': [1, 2, 3],
    'time1': [10, 20, 30],
    'time2': [15, 25, 35]
})

# 显示原始宽格式数据
print("原始宽格式数据:")
print(data)

# 使用 lreshape 函数进行长格式转换
long_format = pd.lreshape(data, groups={'time': ['time1', 'time2']})

# 输出长格式转换后的结果
print("\n长格式转换后的数据:")
print(long_format)

输出结果:

原始宽格式数据:
   id  time1  time2
0   1     10     15
1   2     20     25
2   3     30     35

长格式转换后的数据:
   id  time
0   1    10
1   2    20
2   3    30
3   1    15
4   2    25
5   3    35

2. 多列组合的示例

如果我们有多个列组需要重塑，可以在 groups 参数中指定多个组。

# 构造具有多个列组的宽格式数据
data_multi = pd.DataFrame({
    'id': [1, 2, 3],
    'height1': [150, 160, 170],
    'height2': [155, 165, 175],
    'weight1': [50, 60, 70],
    'weight2': [55, 65, 75]
})

# 显示原始数据
print("原始数据:")
print(data_multi)

# 使用 lreshape 函数对多个列组进行长格式转换
long_format_multi = pd.lreshape(data_multi, 
                                groups={'height': ['height1', 'height2'], 
                                        'weight': ['weight1', 'weight2']})

# 输出转换后的结果
print("\n多列组合后的长格式数据:")
print(long_format_multi)

输出结果:

原始数据:
   id  height1  height2  weight1  weight2
0   1      150      155       50       55
1   2      160      165       60       65
2   3      170      175       70       75

多列组合后的长格式数据:
   id  height  weight
0   1     150      50
1   2     160      60
2   3     170      70
3   1     155      55
4   2     165      65
5   3     175      75

3. 使用 `dropna` 参数

在某些情况下，转换后的数据可能会包含 NaN 值。可以通过设置 dropna=False 来保留这些行。

# 构造包含 NaN 值的数据
data_with_nan = pd.DataFrame({
    'id': [1, 2, 3],
    'measure1': [10, None, 30],
    'measure2': [None, 25, 35]
})

# 使用 lreshape 函数并保留 NaN 值
long_format_nan = pd.lreshape(data_with_nan, 
                              groups={'measure': ['measure1', 'measure2']}, 
                              dropna=False)

# 输出保留 NaN 的结果
print("\n包含 NaN 值的长格式数据:")
print(long_format_nan)

输出结果:

包含 NaN 值的长格式数据:
   id  measure
0   1     10.0
1   2      NaN
2   3     30.0
3   1      NaN
4   2     25.0
5   3     35.0

总结

pandas.lreshape 是一个非常灵活的工具，特别适用于将宽格式数据转换为长格式。当你处理需要重塑的多列数据时，这个函数可以帮助你简化操作，提升代码的可读性和可维护性。通过掌握这个函数的使用，可以更高效地进行数据预处理和分析。

参考

https://pandas.pydata.org/docs/reference/api/pandas.lreshape.html

pandas pd.lreshape() 宽表转长表

函数签名

参数解释

返回值

使用场景

讲解

示例讲解

1. 基本示例

2. 多列组合的示例

3. 使用 dropna 参数

总结

参考

相关内容

3. 使用 `dropna` 参数