stack() unstack()函数

总结：

1.stack：将数据的列索引转换为行索引(列索引可以简单理解为列名)
2.unstack：将数据的行索引转换为列索引
3.stack和unstack默认操作为最内层，可以用level参数指定操作层.
4.stack和unstack默认旋转轴的级别将会成果结果中的最低级别（最内层）
5.stack转换dataframe时，若只有一层列索引则转换后的类型为series，否则为dataframe

unstack转换dataframe时，若只有一层行索引，情况同上

import pandas as pd

df = pd.DataFrame({ '类别':['水果'] * 3 + ['蔬菜'] * 3 ,

                    '名称':['苹果','梨','杏','菠菜','黄瓜','茄子'],

                    '价格':[7,8,9,10,11,12]})

print(df)

print(df.stack())

# 如下实现了行索引是类别，列索引是名称，交点处是价格

df.set_index(['类别','名称'], inplace=True)

print(df.unstack())

#    类别  名称  价格

# 0  水果  苹果   7

# 1  水果   梨   8

# 2  水果   杏   9

# 3  蔬菜  菠菜  10

# 4  蔬菜  黄瓜  11

# 5  蔬菜  茄子  12

# 0  类别    水果

#    名称    苹果

#    价格     7

# 1  类别    水果

#    名称     梨

#    价格     8

# 2  类别    水果

#    名称     杏

#    价格     9

# 3  类别    蔬菜

#    名称    菠菜

#    价格    10

# 4  类别    蔬菜

#    名称    黄瓜

#    价格    11

# 5  类别    蔬菜

#    名称    茄子

#    价格    12

# dtype: object

#      价格

# 名称    杏    梨   苹果    茄子    菠菜    黄瓜

# 类别

# 水果  9.0  8.0  7.0   NaN   NaN   NaN

# 蔬菜  NaN  NaN  NaN  12.0  10.0  11.0

6 unstack对series做转换时,原先的行索引会消失,对Dataframe做转换时,不会消失

import pandas as pd

df = pd.DataFrame({ '类别':['水果'] * 3 + ['蔬菜'] * 3 ,

                    '名称':['苹果','梨','杏','菠菜','黄瓜','茄子'],

                    '价格':[7,8,9,10,11,12]})

print(df)

# 注意当对series类型做unstack()的时候，原先的行索引会消失

# 但对Dataframe类型做unstack()的时候，不会消失

# 会消失

print(df.set_index(['名称','类别'])['价格'].unstack())

# 不消失

print(df.set_index(['名称','类别']).unstack())

print(df.set_index(['名称','类别'])[['价格']].unstack())

#    价格  名称  类别

# 0   7  苹果  水果

# 1   8   梨  水果

# 2   9   杏  水果

# 3  10  菠菜  蔬菜

# 4  11  黄瓜  蔬菜

# 5  12  茄子  蔬菜

# 类别   水果    蔬菜

# 名称

# 杏   9.0   NaN

# 梨   8.0   NaN

# 苹果  7.0   NaN

# 茄子  NaN  12.0

# 菠菜  NaN  10.0

# 黄瓜  NaN  11.0

#      价格

# 类别   水果    蔬菜

# 名称

# 杏   9.0   NaN

# 梨   8.0   NaN

# 苹果  7.0   NaN

# 茄子  NaN  12.0

# 菠菜  NaN  10.0

# 黄瓜  NaN  11.0

#      价格

# 类别   水果    蔬菜

# 名称

# 杏   9.0   NaN

# 梨   8.0   NaN

# 苹果  7.0   NaN

# 茄子  NaN  12.0

# 菠菜  NaN  10.0

# 黄瓜  NaN  11.0

参考： https://www.cnblogs.com/bambipai/p/7658311.html

7 通俗的说unstack()是把索引从左边到上边,stack()是从上边到左边.下面是把多重索引变为单重索引的方法.

import pandas as pd

a = pd.DataFrame({ 'id':['j','p','p','s'],

                   'RESULT_STRING':[1,2,3,4],

                   'values_max':[8,9,9,8],

                   'values_min':[5,5,5,5]

                })

print(a)

print(a.set_index(['id','RESULT_STRING']).unstack())

r = a.set_index(['id','RESULT_STRING']).unstack().reset_index()

print(r)

# 由于是多重索引,把列名改成单重,更容易后序处理,这里把两个列名合并了.

r.columns = [x[0]+str(x[1]) for x in r.columns]

print(r)

#   id  RESULT_STRING  values_max  values_min

# 0  j              1           8           5

# 1  p              2           9           5

# 2  p              3           9           5

# 3  s              4           8           5

#               values_max                values_min

# RESULT_STRING          1    2    3    4          1    2    3    4

# id

# j                    8.0  NaN  NaN  NaN        5.0  NaN  NaN  NaN

# p                    NaN  9.0  9.0  NaN        NaN  5.0  5.0  NaN

# s                    NaN  NaN  NaN  8.0        NaN  NaN  NaN  5.0

#               id values_max                values_min

# RESULT_STRING             1    2    3    4          1    2    3    4

# 0              j        8.0  NaN  NaN  NaN        5.0  NaN  NaN  NaN

# 1              p        NaN  9.0  9.0  NaN        NaN  5.0  5.0  NaN

# 2              s        NaN  NaN  NaN  8.0        NaN  NaN  NaN  5.0

#   id  values_max1  values_max2  ...  values_min2  values_min3  values_min4

# 0  j          8.0          NaN  ...          NaN          NaN          NaN

# 1  p          NaN          9.0  ...          5.0          5.0          NaN

# 2  s          NaN          NaN  ...          NaN          NaN          5.0

#

# [3 rows x 9 columns]

参考: https://www.jb51.net/article/150975.htm

ttt

Series

stack() unstack()函数