Python Pandas DataFrame unstack方法用法及代码示例

例子

拆垛single-level DataFrames

考虑以下single-level DataFrame：

df = pd.DataFrame({"age":[2,3],"height":[4,5]}, index=["alice","bob"])
df



       age  height
alice   2     4
bob     3     5

在 df 上调用 unstack() 给出：

df.unstack()



age     alice    2
        bob      3
height  alice    4
        bob      5
dtype: int64

在此，请注意以下事项：

• 返回类型为 Series ，有两个级别。

• df 中的行标签和列标签已合并形成多索引。

将 DataFrames 与 multi-level 行拆垛

考虑以下带有multi-level行的DataFrame：

index = [("A","alice"), ("A","bob"),("B","cathy"),("B","david")]
multi_index = pd.MultiIndex.from_tuples(index)
df = pd.DataFrame({"age":[2,3,4,5],"height":[6,7,8,9]}, index=multi_index)
df



           age   height
A   alice   2      6
    bob     3      7
B   cathy   4      8
    david   5      9

默认情况下， level=-1 ，这意味着最里面的行级别 ( [alice,bob,cathy,david] ) 将转换为列级别：

df.unstack()



   age                      height
   alice  bob  cathy david  alice  bob  cathy  david
A  2.0    3.0  NaN   NaN    6.0    7.0  NaN    NaN
B  NaN    NaN  4.0   5.0    NaN    NaN  8.0    9.0

请注意以下事项：

• 最里面的行级别([alice, bob, cathy, david])变成了列级别，并且定位为最里面的级别。

• 使用 multi-levels 堆叠列通常会产生许多 NaN，因为例如，不存在有关组 B 中的 alice 的 age 的数据。

要指定要转换的级别，请传递 level 参数，如下所示：

df.unstack(level=0)



        age         height
        A     B     A     B
alice   2.0   NaN   6.0   NaN
bob     3.0   NaN   7.0   NaN
cathy   NaN   4.0   NaN   8.0
david   NaN   5.0   NaN   9.0

这里，level=0表示最外层行级别([A,B])被转换为列级别。

指定fill_value

默认情况下， fill_value=None ，这意味着生成的 Series/DataFrame 中的 NaN 保持原样。

要使用值填充所有 NaN，请传入 fill_value，如下所示：

df.unstack(level=0, fill_value="@")



        age      height
        A   B    A   B
alice   2   @    6   @
bob     3   @    7   @
cathy   @   4    @   8
david   @   5    @   9

请注意，原始 DataFrame 中预先存在的 NaN 将不会被填充 - 只有由该出栈过程引起的那些才会被 fill_value 填充。