重塑层次化索引.重塑层次化索引.ppt

重塑层次化索引教师：亢华爱北京信息职业技术学院商务数据分析与应用专业教学资源库

目录Contents重塑层次化索引概述

1PART概述

概述Pandas中重塑层次化索引的操作主要是stack()方法和unstack()方法，前者是将数据的列“旋转”为行，后者是将数据的行“旋转”为列在Pandas中，大多数据是以便于操作的DataFrame形式展现的，这样可以很容易地获取每行或每列的数据。不过有些时候，需要将DataFrame对象转换为Series对象。为此，Pandas提供了数据重塑的一些功能，包括重塑层次化索引和轴向转换，用于转换一个表格或向量的结构，使其更便于进行下一步的分析

2PART重塑层次化索引

stack()方法可以将数据的列索引转换为行索引语法格式DataFrame.stack(level=-1,dropna=True)参数含义(1)level：表示操作内层索引。若设为0,表示操作外层索引，默认为-1。(2)dropna:表示是否将旋转后的缺失值删除，若设为True,则表示自动过滤缺失值，设置为False则相反。假设现在有一个DataFrame类对象df,它只有单层索引，如果希望将其重塑为一个具有两层索引结构的对象result,也就是说将列索引转换成内层行索引，则重塑前后的效果如图4-22所示DataFrame对象重塑为Series对象重塑层次化索引

接下来，我们通过一个示例来演示如何使用stackO方法将df对象旋转成result,具体代码如下In[33]：importpandasaspddf=pd.DataFrame({A：[A0，A1，A2]，B：[B0，B1，B2]})#将df进行重塑result=df.stack()resuItOut[33]:0A A0B B01A A1B B12A A2B B2上述代码中，首先创建了一个DataFrame类的对象df,然后让df对象调用stack()方法进行重塑，表明df对象的列索引会转换成行索引。从输出结果看出，resull对象具有两层行索引重塑层次化索引

使用type()函数来查看result的类型，代码如下In[34]：type(result)Out[34]：pandas.core.series.Series从输出结果可以看出,DataFrame对象已经被转换成了一个Series对象重塑层次化索引

重塑层次化索引unstack()方法可以将数据的行索引转换为行索引语法格式DataFrame.unstack(level=-l,fill_value=None)参数含义(1)level：默认为-1,表示操作内层索引，0表示操作外层索引。(2)fill-value：若产生了缺失值，则可以设置这个参数用来替换NaN。

接下来,将前面示例中重塑的Series对象“恢复原样”,转变成DataFrame对象,具体代码如下In[35]：importpandasaspddf=pd.DataFrame({A：[A0，A1，A2]，B：[B0，B1，B2]})res=df.stack() #将df重塑为Series对象res.unstack() #将Series对象转换成dfOut[35]:AB0A0B01A1B12A2B2上述示例中，首先创建了一个DataFrame类对象df,然后使用stack()方法将其重塑为Series类对象，最后再使用unstack()方法将其重塑回DataFrame类对象。重塑层次化索引

重塑层次化索引stack()与unstack()方法还可以在多层索引对象中使用如图所示为一个多层索引的DataFrame对象经过旋转后的效果重塑前重塑后多层索引的重塑

接下来，我们通过一个示例来演示层级索引对象如何使用stack()方法进行旋转，具体代码如下In[36]：importpandasaspdimportnumpyasnpdf=pd.DataFrame(np.array([[26,20,22,26],[30,25,24,20]]),index=[男生人数,女生人数],columns=[[一楼,一楼,二楼,二楼],df.stack()Out[36]:一楼二楼男生人数A教室 26 22B教室 20 26女生人数A教室 30 24