Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊5Pandas數(shù)據(jù)預(yù)處理5.4Pandas數(shù)據(jù)重塑5.4.1重塑層次化索引1．使用stack()函數(shù)將數(shù)據(jù)的列索引轉(zhuǎn)換為行索引stack()函數(shù)可以將數(shù)據(jù)的列索引轉(zhuǎn)換為行索引，stack()函數(shù)的語(yǔ)法格式如下：stack(level=-1,dropna=True)該函數(shù)返回值為DataFrame或Series對(duì)象。函數(shù)參數(shù)說(shuō)明如下：?level：表示操作索引的級(jí)別或級(jí)別名稱(chēng)。默認(rèn)值為-1，表示操作內(nèi)層索引；如果其值設(shè)置為0，則表示操作外層索引。?dropna：接收布爾值，默認(rèn)值為T(mén)rue，表示自動(dòng)將旋轉(zhuǎn)后的缺失值刪除；如果其值設(shè)置為1，則表示保留缺失值。5.4.1重塑層次化索引2．使用unstack()函數(shù)將數(shù)據(jù)的行索引轉(zhuǎn)換為列索引unstack()函數(shù)可以將數(shù)據(jù)的行索引轉(zhuǎn)換為列索引，unstack()函數(shù)的語(yǔ)法格式如下：DataFrame.unstack(level=-1,fill_value=None)或Series.unstack(level=-1,fill_value=None)該函數(shù)返回值為DataFrame或Series。函數(shù)參數(shù)說(shuō)明如下：?level：表示unstack索引的級(jí)別或級(jí)別名稱(chēng)。默認(rèn)值為-1，表示操作內(nèi)層索引，如果其值設(shè)置為0，則表示操作外層索引。?fill_value：默認(rèn)值為None，如果設(shè)置其他值，則旋轉(zhuǎn)過(guò)程中產(chǎn)生了缺失值，則用該參數(shù)的值替換NaN缺失值。5.4.2使用pivot()函數(shù)實(shí)現(xiàn)軸向旋轉(zhuǎn)Pandas提供了pivot()函數(shù)，該函數(shù)會(huì)根據(jù)給定的行索引或列索引重新組織一個(gè)DataFrame對(duì)象，即將一個(gè)DataFrame的記錄數(shù)據(jù)整合成表格，俗稱(chēng)數(shù)據(jù)透視，類(lèi)似Excel中的數(shù)據(jù)透視表功能，它返回重塑的DataFrame，這樣的好處是使得數(shù)據(jù)更加的直觀和容易分析。pivot()函數(shù)的語(yǔ)法結(jié)構(gòu)如下：pivot(index=None,columns=None,values=None)或者pivot(index,columns,values)其含義與作用是將index指定為行索引，columns指定為列索引，values則是填充新DataFrame對(duì)象中的值。即根據(jù)DataFrame的3列數(shù)據(jù)生成數(shù)據(jù)透視表，使用索引/列中的唯一值并填充值。5.4.2使用pivot()函數(shù)實(shí)現(xiàn)軸向旋轉(zhuǎn)該函數(shù)參數(shù)說(shuō)明如下：?index：為可選參數(shù)，可接收string或object類(lèi)型的值，用于創(chuàng)建新DataFrame對(duì)象行索引的列名稱(chēng)。如果未指定，則使用原DataFrame對(duì)象的索引。?columns：可接收string或object類(lèi)型的值，用于創(chuàng)建新DataFrame對(duì)象列索引的列名稱(chēng)。如果未指定，則使用原DataFrame對(duì)象的索引?values：用于填充新DataFrame對(duì)象中值的列名稱(chēng)。如果未指定，則將使用剩余列進(jìn)行填充，結(jié)果將具有分層索引列。5.4.3使用melt()函數(shù)將DataFrame從寬格式轉(zhuǎn)換為長(zhǎng)格式數(shù)據(jù)分析時(shí)經(jīng)常要把寬數(shù)據(jù)格式轉(zhuǎn)換為長(zhǎng)數(shù)據(jù)格式，有點(diǎn)像excel的逆透視過(guò)程。melt()函數(shù)的語(yǔ)法格式如下：melt(id_vars=None,value_vars=None,var_name=None,value_name='value',col_level=None)該函數(shù)的功能為：將DataFrame壓縮為一種格式，其中一列或多列是標(biāo)識(shí)符變量（id_vars），而所有其他列均視為測(cè)量變量(value_vars)，相對(duì)于行軸為“unpivoted”，僅留下兩個(gè)非標(biāo)識(shí)符列‘variable’和‘value’。5.4.3使用melt()函數(shù)將DataFrame從寬格式轉(zhuǎn)換為長(zhǎng)格式該函數(shù)參數(shù)說(shuō)明如下：?id_vars：為可選參數(shù)，用作標(biāo)識(shí)符變量的列。?value_vars：為可選參數(shù)，要取消透視的列。如果未指定，則使用未設(shè)置為id_vars的所有列。?var_name：用于自定義“variable”列的名稱(chēng)。如果沒(méi)有，則使用“variable”。?value_name：用于自定義“value”列的名稱(chēng)，默認(rèn)為“value”。?col_level：為可選參數(shù)，如果列是MultiIndex，則使用此級(jí)別進(jìn)行融合。5.4.4使用pivot_table()函數(shù)聚合與透視數(shù)據(jù)Pandas提供了制作數(shù)據(jù)透視表的函數(shù)pivot_table()，pivot_table()函數(shù)用于將列數(shù)據(jù)設(shè)定為行索引和列索引，并可以聚合運(yùn)算。pivot_table()函數(shù)的語(yǔ)法格式如下：dataframe.pivot_table(values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='All')或pandas.pivot_table(data,values=None,index=