Python与算法社区
第 446 篇原创，干货满满
三步加星标
01
02
03
三步加星标
你好，我是 zhenguo
今晚小技巧第五篇，做数据分析数据透视必不可少，数据透视让我们更加了解数据的规律。
Pandas 与透视相关的方法有 3 个，下面分别介绍使用它们的小技巧。
16 melt透视数据小技巧
melt 方法固定某列为一个维度，组合其他列名为另一个维度，实现宽表融化为长表：
代码语言：javascript复制 zip_code factory warehouse retail
0 12345 100 200 1
1 56789 400 300 2
2 101112 500 400 3
3 131415 600 500 4
固定列zip_code，组合factory，warehouse，retail 三个列名为一个维度，按照这种方法凑齐两个维度后，数据一定变长。
pandas 的 melt 方法演示如下：
代码语言：javascript复制In [49]: df = df.melt(id_vars = "zip_code")
若melt方法，参数value_vars不赋值，默认剩余所有列都是value_vars，所以结果如下：
zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 warehouse 200
5 56789 warehouse 300
6 101112 warehouse 400
7 131415 warehouse 500
8 12345 retail 1
9 56789 retail 2
10 101112 retail 3
11 131415 retail 4
若只想查看 factory 和 retail，则 value_vars 赋值为它们即可：
In [62]: df_melt2 = df.melt(id_vars = "zip_code",value_vars=['factory','reta
...: il'])
结果：
代码语言：javascript复制zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
melt 透视数据后，因为组合多个列为1列，所以数据一定变长。
17 pivot 透视小技巧
melt 是融化数据，而 pivot 结冰数据，它们是一对互逆操作。
这是上面 melt 后的数据：
代码语言：javascript复制zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
现在想要还原为：
代码语言：javascript复制variable factory retail
zip_code
12345 100 1
56789 400 2
101112 500 3
131415 600 4
如何实现？
使用 pivot 方法很容易做到：
df_melt2.pivot(index='zip_code',columns='variable')
index 设定第一个轴，为 zip_code，columns 设定哪些列或哪个列的不同取值组合为一个轴，此处设定为 variable 列，它一共有 2 种不同的取值，分别为 factory, retail，pivot 透视后变为列名，也就是 axis = 1 的轴
pivot 方法没有聚合功能，它的升级版为 pivot_table 方法，能对数据聚合。
18 pivot_table 使用小技巧
使用上面的 df_melt 演示不出聚合的功能：
代码语言：javascript复制zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
因为 zip_code variable 的组合都是唯一的，因此转化一步，df_melt 基础上再 append 它：
代码语言：javascript复制In [77]: dfa = df_melt2.append(df_melt2)
数据变为：
代码语言：javascript复制 zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
此时前两列组合存在重复项，能够演示出聚合的效果：
代码语言：javascript复制dfa.pivot_table(index='zip_code',columns='variable',aggfunc=np.sum)
index 设定第一个维度：zip_code，columns 设定第二个维度为 variable，使用 aggfunc 参数做聚合，也就是存在 zip_code variable 重复项时，两项 np.sum 累加，透视结果如下：
代码语言：javascript复制 value
variable factory retail
zip_code
12345 200 2
56789 800 4
101112 1000 6
131415 1200 8
表格本质是二维结构，透视是变换二维表结构的艺术，掌握以上3个小技巧后，再去透视数据可能就会变得游刃有余一点。
下面是我微信，任何问题都可留言：
不必打赏
给我点个赞
就心满意足了
