Pandas DataFrame行转列：pivot与unstack实战

"pandas.DataFrame的pivot()和unstack()实现行转列" 在数据分析和处理过程中，有时我们需要将数据从行格式转换为列格式，或者相反。`pandas`库中的`pivot()`和`unstack()`函数就是为了解决这类问题而设计的。这两个函数可以帮助我们将数据重塑，以更好地展示或分析数据结构。 `pivot()`函数是`pandas`中的一种重塑数据的方法，它允许我们将特定的列值转化为行索引，从而实现数据的行转列。在给定的代码示例中，我们看到一个名为`result_df`的数据帧，它包含`UserName`（用户名）、`Subject`（科目）和`Score`（分数）三列。`pivot()`函数被用来将`UserName`设为行索引，`Subject`设为列索引，`Score`则作为新的列值。这样，原始数据中每个用户的不同科目分数就被整理到一个二维表格中，每个用户的每一科目对应一行。 `pivot()`的语法是`pivot(index, columns, values)`, 其中： - `index`：指定要提升为行索引的列名。 - `columns`：指定要提升为列索引的列名。 - `values`：指定要展平到新索引结构的列名，如果未指定，会默认选择数据帧中的所有剩余列。 `reset_index()`方法随后被调用，这会将原数据帧的索引恢复为普通的列，使得结果更便于存储到数据库。 另一个相关但不完全相同的操作是`unstack()`. `unstack()`通常用于将层次化索引的列转换为行，与`pivot()`相反。在示例中，`pivot()`得到的以`UserName`为索引的数据帧`df_pivoted_init`可以进一步使用`unstack()`，以便将索引转换回列，形成一个新的数据帧`df_pivoted`。 `pivot()`和`unstack()`都是`pandas`中强大的数据重塑工具，它们帮助我们有效地组织和展示数据，适应不同的分析需求。通过熟练掌握这两个函数，我们可以更好地理解和操作复杂的数据集，特别是在需要进行聚合、透视和统计分析时。