大數據培訓之數據重塑：重塑層次化索引

　　在Pandas中，大多數據是以便于操作的DataFrame形式展現的，這樣可以很容易地獲取每行或每列的數據。不過有些時候，需要將DataFrame對象轉換為Series對象。為此，Pandas提供了數據重塑的一些功能，包括重塑層次化索引和軸向轉換，用于轉換一個表格或向量的結構，使其更便于進行下一步的分析。接下來，筆者先來介紹一下數據重塑的相關功能進行詳細地介紹。

　　Pandas中重塑層次化索引的操作主要是stack()方法和unstack()方法，前者是將數據的列“旋轉”為行，后者是將數據的行“旋轉”為列。

　　stack()方法可以將數據的列索引轉換為行索引，其語法格式如下：

DataFrame.stack(level=-1, dropna=True)

　　上述方法中部分參數表示的含義如下：

　　(1)level：表示操作內層索引。若設為0，表示操作外層索引，默認為-1。

　　(2)dropna：表示是否將旋轉后的缺失值刪除，若設為True，則表示自動過濾缺失值，設置為False則相反。

　　假設現在有一個DataFrame類對象df，它只有單層索引，如果希望將其重塑為一個具

　　有兩層索引結構的對象result，也就是說將列索引轉換成內層行索引，則重塑前后的效果如圖4-22所示。

　　圖4-22 DataFrame對象重塑為Series對象

　　接下來，我們通過一個示例來演示如何使用stack()方法將df對象轉換成result，具體代碼如下：

In [33]: import pandas as pd
        df=pd.DataFrame({'A':['A0','A1','A2'],
                         'B':['B0','B1','B2']}
        # 將df進行重塑
        result=df.stack()
        result
Out[33]:
        0 A      A0
          B      B0
        1 A      A1
          B      B1
        2 A      A2
          B      B2

　　上述代碼中，首先創(chuàng)建了一個DataFrame類的對象df，然后讓df對象調用stack()方法進行重塑，表明df對象的列索引會轉換成行索引。從輸出結果看出，result對象具有兩層行索引。

　　使用type()函數來查看result的類型，代碼如下：

In [34]: type(result)
Out[34]: pandas.core.series.Series

　　從輸出結果可以看出，DataFrame對象已經被轉換成一個Series對象。

　　unstack()方法可以將數據的行索引轉換為列索引，其語法格式如下：

DataFrame.unstack(level=-1, fill_value=None)

　　上述方法中部分參數表示的含義如下：

　　(1)level：默認為-1，表示操作內層索引，0表示操作外層索引。

　　(2)fill_value：若產生了缺失值，則可以設置這個參數用來替換NaN。

　　接下來，將前面示例中重塑的Series對象“恢復原樣”，轉變成DataFrame對象，具體代碼如下：

In [35]: import pandas as pd
        df=pd.DataFrame({'A':['A0','A1','A2'],
                         'B':['B0','B1','B2']}
        res=df.stack()      # 將df重塑為Series對象
        res.unstack()       # 將Series對象轉換成df
Out[35]:
           A   B
        0  A0  B0
        1  A1  B1
        2  A2  B2

　　上述示例中，首先創(chuàng)建了一個DataFrame類對象df，然后使用stack()方法將其重塑為Series類對象，最后再使用unstack()方法將其重塑回DataFrame類對象。