使用Pandas進行數據重塑的完整指南

一、基本數據結構

Pandas中的兩個主要數據結構是Series和DataFrame。 Series是一個一維標記數組，可以保存任何數據類型。 DataFrame是具有行和列標籤的二維表格，可以保存多種類型的數據。 在本指南中，我們將重點關注面向DataFrame的維度重塑。

以下是如何創建Series和DataFrame的示例代碼：

import pandas as pd

# 創建Series
s = pd.Series([1, 3, 5, np.nan, 6, 8])

# 創建DataFrame
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
                   'C': np.random.randn(8),
                   'D': np.random.randn(8)})

在以上代碼中，我們使用了NumPy中的NaN值來表示缺失的值。此外，我們還使用了`np.random.randn()`函數來生成隨機數據，以便我們更好地理解如何進行數據重塑。

二、重塑操作

1. 堆疊和取消堆疊

堆疊是指將DataFrame中的列壓縮到較小的行中。 取消堆疊是指將已壓縮的行重新擴展為列。 以下是如何使用`stack()`和`unstack()`方法執行這些操作的示例：

# 創建一個df
df = pd.DataFrame({'學生': ['小明', '小明', '小紅', '小紅'],
                   '科目': ['數學', '語文', '數學', '語文'],
                   '成績': [90, 88, 92, 85]})

# 堆疊操作
stacked_df = df.set_index(['學生', '科目']).stack()
stacked_df

# 取消堆疊操作
unstacked_df = stacked_df.unstack()
unstacked_df

在以上示例中，我們首先創建了一個包含學生姓名、科目和成績的DataFrame。然後，我們使用`set_index()`方法將學生姓名和科目設置為索引，並使用`stack()`方法將列堆疊成行。最後，我們使用`unstack()`方法將已堆疊的行重新擴展為列。

2. 透視表

透視表是一種根據數據中的值來匯總數據的方法。可以使用Pandas中的`pivot_table()`函數輕鬆創建透視表。以下是一個示例代碼：

# 創建數據
data = {'省份': ['江蘇', '江蘇', '山東', '山東', '廣東'],
        '城市': ['南京', '蘇州', '濟南', '青島', '廣州'],
        '銷售額': [100, 200, 150, 180, 120]}

df = pd.DataFrame(data)

# 創建透視表
pivot_table = pd.pivot_table(df, 
                             values='銷售額', 
                             index='省份', 
                             columns='城市')

pivot_table

在以上代碼中，我們首先創建了一個包含省份、城市和銷售額的DataFrame。然後，使用`pivot_table()`函數創建了一個透視表。在`pivot_table()`函數中，我們指定要聚合的值、行和列。

3. 重命名列名

重命名列名是一項非常常見的操作。 在Pandas中，我們可以使用`rename()`方法來重命名DataFrame的列名。 以下是一個示例：

# 創建一個df
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6]})

# 重命名列名
df.rename(columns={'A': '新A', 'B': '新B'}, inplace=True)
df

在以上代碼中，我們首先創建了一個包含’A’和’B’列的DataFrame。然後，使用`rename()`方法將列’A’和’B’重命名為’新A’和’新B’。

4. 刪除列和行

時不時需要刪除DataFrame中的列和行。 我們可以使用`drop()`方法來刪除列和行。以下是一個示例：

# 創建一個df
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

# 刪除列
df.drop('C', axis=1, inplace=True)

# 刪除行
df.drop(0, inplace=True)
df

在以上代碼中，我們首先創建了一個包含三列的DataFrame。然後，使用`drop()`方法刪除了列’C’和第一行。

5. 數據類型轉換

有時需要將DataFrame中的數據類型從一個類型轉換為另一個類型。 在Pandas中，我們可以使用`astype()`方法來實現轉換。 以下是示例：

# 創建一個df
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': ['4', '5', '6']})

# 將'B'列的類型從str轉換為int
df['B'] = df['B'].astype(int)
df.dtypes

在以上代碼中，我們首先創建了一個包含’A’和’B’列的DataFrame，其中’B’列的類型為str。然後，使用`astype()`方法將’B’列的類型從str轉換為int。

三、總結

使用Pandas進行數據重塑是數據分析和數據處理中非常常見的操作。在本指南中，我們介紹了如何使用Pandas進行數據重塑：堆疊和取消堆疊，透視表，重命名列名，刪除列和行，以及數據類型轉換。掌握這些技能可以幫助您更好地理解、分析和處理數據。