Pandas 的透视与逆透视
目录
1. 透视
1.1 pivot
1.2 pivot_table
2.逆透视
1. 透视
透视是长表变宽表。
pivot() 和 pivot_table()两个函数都可以做到，后者可以聚合前者不行。
| 特性 | df.pivot() | df.pivot_table() |
|---|---|---|
| 重复值处理 | 要求索引和列的组合唯一，否则报错 ValueError | 允许重复值，通过聚合函数（如均值、求和等）处理 |
| 聚合功能 | 不支持聚合，仅用于数据重组 | 支持聚合（默认 aggfunc='mean'） |
| 多值列处理 | 无法处理多值列（需唯一索引-列组合） | 自动聚合多值（如求和、均值等） |
| 灵活性 | 简单场景适用（无重复值） | 复杂场景适用（支持重复值和自定义聚合） |
示例数据：
import pandas as pddata = {'Year': [2020, 2020, 2021, 2021, 2020, 2020],'Product': ['A', 'A', 'A', 'B', 'B', 'B'],'Region': ['East', 'West', 'East', 'West', 'East', 'West'],'Sales': [100, 150, 200, 50, 120, 90]
}
df = pd.DataFrame(data)
原表：
1.1 pivot
| 参数 | 说明 | 默认值 | 示例 |
|---|---|---|---|
index | 作为行索引的列名（可以是单个列名或列表） | None | index='Region' |
columns | 作为列名的列名（可以是单个列名或列表） | None | columns='Year' |
values | 作为填充值的列名（可以是单个列名或列表，选填） | None | values='Sales' |
指定index是转换后的索引，不能重复，如果单独是Year 则会报错：
ValueError: Index contains duplicate entries, cannot reshape
重置一下行索引：
1.2 pivot_table
| 参数 | 说明 | 默认值 | 示例 |
|---|---|---|---|
index | 作为行索引的列名（可以是单个列名或列表） | None | index='Region' |
columns | 作为列名的列名（可以是单个列名或列表） | None | columns='Year' |
values | 作为填充值的列名（可以是单个列名或列表，选填） | None | values='Sales' |
aggfunc | 聚合函数（如 'sum', 'mean', 'count' 或自定义函数） | 'mean' | aggfunc='sum' |
fill_value | 填充缺失值的值 | None | fill_value=0 |
margins | 是否添加总计行/列（True/False） | False | margins=True |
margins_name | 总计行/列的标签名 | 'All' | margins_name='Total' |
dropna | 是否删除全为 NaN 的列（True/False） | True | dropna=False |
index指定的索引值可以重复，相当于根据该值进行分组，自动进行聚合（默认聚合函数median）例子以地区为索引，以Year为列，求每年的Sales的均值
2. 自定义聚合函数
同样重置索引：
2.逆透视
melt（）函数，指定宽表变长表
| 参数 | 说明 | 默认值 | 示例 |
|---|---|---|---|
id_vars | 保留的标识列（不参与转换，可以是单个列名或列表） | None | id_vars=['Year', 'Product'] |
value_vars | 需要转换的列（可以是单个列名或列表，默认转换所有非 id_vars 列） | None | value_vars=['Sales'] |
var_name | 存储原列名的列名（新生成的“变量列”） | 'variable' | var_name='Category' |
value_name | 存储原列值的列名（新生成的“值列”） | 'value' | value_name='Revenue' |
col_level | 多层列索引时指定要转换的层级（用于 MultiIndex 列） | None | col_level=0 |
以上面透视的结果为例：
逆透视：
