Pandas DataFrame行转列：pivot()与unstack()用法解析

"pandas.DataFrame的pivot()和unstack()函数是数据操作中常见的转换方法，它们可以帮助我们将数据从行格式转换为列格式，或者反之。这两个函数在数据分析中有着广泛的应用，尤其在处理多维数据时，能有效地整理数据结构，使其更便于分析和展示。以下是对这两个函数的详细讲解。 `pivot()`函数： `pivot()`函数允许我们通过指定索引、列和值这三个参数来重新组织DataFrame。它的基本语法是： ```python pivot(index, columns, values) ``` - `index`: 这是你想要作为新DataFrame行索引的列名。 - `columns`: 这是你想要作为新DataFrame列索引的列名。 - `values`: 这是你希望被展平到新DataFrame中的列名。 在提供的示例中，`pivot()`函数用于将`UserName`作为行索引，`Subject`作为列索引，`Score`作为值，从而将原始数据从三列（UserName, Subject, Score）转换成多列，每列代表一个UserName在不同Subject上的得分。 ```python df_pivoted_init = result_df.pivot('UserName', 'Subject', 'Score') ``` `reset_index()`函数： `reset_index()`函数通常与`pivot()`结合使用，它将行索引变为普通的列，这在处理数据库存储或数据交换时非常有用。在示例中，`reset_index()`将`pivot()`生成的新行索引（原`UserName`列）再次作为普通列添加到DataFrame中： ```python df_pivoted = df_pivoted_init.reset_index() ``` `unstack()`函数： `unstack()`函数与`pivot()`类似，但它的操作更加灵活。它是`pivot()`的一种变体，可以将层次化的列索引转换为行索引。如果一个DataFrame具有多级列索引，`unstack()`会把最外层的列索引转换为行索引。 例如，如果我们有一个DataFrame，其中一列是多级索引，我们可以用`unstack()`将其转换为行： ```python df_unstacked = df.set_index(['Level1', 'Level2']).unstack() ``` 在这个例子中，`Level2`会变成新的行索引，而`Level1`会成为列索引。 总结： 在数据分析中，`pivot()`和`unstack()`是强大的工具，用于重塑DataFrame以适应特定的分析需求。`pivot()`适合于固定行和列索引的转换，而`unstack()`则更适合处理具有多级索引的情况。理解并熟练运用这两个函数，能够帮助我们更好地理解和操作复杂的数据结构，从而进行更有效的数据探索和建模。"