当前位置：首页 > news >正文

DataFrame.unstack()方法的使用

news 2025/1/16 21:07:13

DataFrame.unstack() 是一种用于重塑数据的方法，主要用于将某个层级的行索引转为列索引。它通常与多级索引（MultiIndex）一起使用，方便地将行数据“拆开”到列中。下面详细介绍unstack()方法的用法及一些实际示例。

基本语法

DataFrame.unstack(level=-1, fill_value=None)

level: 用于指定要转到列的行索引层级，默认为最内层（-1）。
fill_value: 在转置过程中，如果出现缺失值，可以用此参数填充缺失值。

示例解释

以下通过实例展示unstack()的不同用法。

1. 基本用法

假设有一个带有多级索引的DataFrame：

import pandas as pd# 创建一个具有多级索引的示例DataFrame
index = pd.MultiIndex.from_tuples([('A', 'one'), ('A', 'two'), ('B', 'one'), ('B', 'two')
], names=['Upper', 'Lower'])data = pd.DataFrame({'Values': [10, 20, 30, 40]
}, index=index)print("原始DataFrame:")
print(data)

输出:

             Values
Upper Lower        
A     one        10two        20
B     one        30two        40

此DataFrame中有多级索引（Upper 和 Lower）。现在通过unstack()将最内层Lower索引转为列：

data_unstacked = data.unstack()
print("\n使用 unstack() 之后:")
print(data_unstacked)

输出:

       Values       
Lower     one   two
Upper                 
A          10    20
B          30    40

这里，Lower索引被转换成了列索引。

2. 指定不同的 `level`

如果你有多个层级的索引，可以通过level参数选择要转换的层级。例如，level=0表示将Upper索引转换为列。

data_unstacked = data.unstack(level=0)
print("\n指定 level=0 使用 unstack():")
print(data_unstacked)

输出:

       Values   
Upper       A   B
Lower             
one        10  30
two        20  40

3. `fill_value` 参数

在unstack操作中，如果数据缺失会产生NaN。fill_value参数可以用指定的值来填充这些缺失值。

例如，增加一些缺失数据：

# 在多层索引中加入一个缺失值的示例
index = pd.MultiIndex.from_tuples([('A', 'one'), ('A', 'two'), ('B', 'one'), ('C', 'two')
], names=['Upper', 'Lower'])data = pd.DataFrame({'Values': [10, 20, 30, 40]
}, index=index)# 使用 unstack 填充缺失值
data_unstacked = data.unstack(fill_value=0)
print("\n使用 unstack() 并填充缺失值 (fill_value=0):")
print(data_unstacked)

输出:

       Values       
Lower     one   two
Upper                 
A          10    20
B          30     0
C           0    40

这里fill_value=0，所以缺失值被填充为 0。

4. 多列情况下的 `unstack()`

unstack()也可以处理多个列：

# 创建一个具有多级索引和多个列的示例DataFrame
data = pd.DataFrame({'Category': ['A', 'A', 'B', 'B'],'Sub-Category': ['one', 'two', 'one', 'two'],'Values1': [10, 20, 30, 40],'Values2': [50, 60, 70, 80]
}).set_index(['Category', 'Sub-Category'])print("\n具有多个列的 DataFrame:")
print(data)# 使用 unstack 转换
data_unstacked = data.unstack()
print("\n具有多个列的 DataFrame 使用 unstack() 之后:")
print(data_unstacked)

输出:

具有多个列的 DataFrame:Values1  Values2
Category Sub-Category          
A        one         10       50two         20       60
B        one         30       70two         40       80具有多个列的 DataFrame 使用 unstack() 之后:Values1       Values2     
Sub-Category    one two      one two
Category                              
A                 10   20      50   60
B                 30   40      70   80

这里unstack() 将 Sub-Category 转成了列，并对每个列中有多个数据的项进行了列展开。