pandas pivot、pivot_table和melt

最新推荐文章于 2025-05-02 17:18:00 发布

悦光阴

最新推荐文章于 2025-05-02 17:18:00 发布

阅读量1.1k

点赞数

文章标签： pandas python 数据分析数据挖掘机器学习

本文链接：https://blog.csdn.net/upluck/article/details/126247911

版权

这篇博客介绍了pandas库中的数据重塑方法，包括pivot函数用于行列转换，pivot_table处理重复数据并进行聚合操作，以及melt函数将宽格式数据转为长格式。详细讲解了各个函数的参数用法，并给出了实例演示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas的pivot和pivot_table 用于表格数据的行列互换，而melt用于unpivot 表格数据。

1，pivot

有如下数据集：

import pandas as pd
import numpy as np

table = {
    "Item":['Item0','Item0','Item1','Item1'],
"CType":['Gold','Bronze','Gold','Silver'],
"USD":[1,2,3,4],
"EU":[5,6,7,8]}

d = pd.DataFrame(table)

pivot 函数只有三个参数：index 用于指定索引，columns用于指定列，values用于指定透视的数值：

DataFrame.pivot(index=None, columns=None, values=None)

对d进行透视得到的结果如下图所示，其中CType是column name，Bronze、Gold和Silver是列值。

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

悦光阴

关注关注

0
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

Pandas实战100例 | 案例 9: 数据重塑 - `pivot` 和 `melt`

若北辰

01-11

602

我们首先创建了一个包含日期、类型和值的简单 DataFrame。数据重塑是数据预处理中的一个关键步骤，可以大大改善数据的可读性和适应性。是进行“熔化”操作的，它可以将数据从宽格式转换为长格式。可以帮助你重新排列数据的格式，使其更加适合分析。列“熔化”成两列，其中一列存储了原始列名（列作为标识变量列（保持不变），然后将。是用于数据重塑的两个强大工具。列的唯一值作为新的列，并以。），另一列存储了相应的值。这段代码演示了如何使用。在 Pandas 中，列的值填充这些新列。

Pandas 2 使用指南：重塑和透视表ReShapingand Pivot Tables

数智笔记

02-03

1288

数据通常以所谓的“堆叠”或“记录”格式存储。在“记录”或“宽”格式中，通常每个主题都有一行。在“堆叠”或“长”格式中，每个主题（如果适用）有多行。为了对每个唯一变量执行时间序列操作，更好的表示形式是将设置为唯一变量，设置为日期以标识各个观测值。为了将数据重塑为这种形式，我们使用方法（也可以作为顶级函数实现）：如果省略参数，并且输入的有多列值，这些值不用作的列或索引输入，则生成的“重塑” 将具有分层列，其最顶层级别指示相应的值列：然后，您可以从重塑的中选择子集：请注意

参与评论您还未登录，请先登录后发表或查看评论

【pandas透视图】pivot_table vs pivot

weixin_38502514的博客

01-18

1094

pandas.pivot_table pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False, sort=True)[source] 函数作用：Create a spreadsheet-style pivot table as a DataFra

pandas 之 pivot_table 与 pivot 的区别

jieru_liu的博客

03-28

6834

1、pivot：通过指定的索引和列对数据进行重塑，无法聚合语法： DataFrame.pivot(self, index=None, columns=None, values=None) 构建一个 DataFrame 数据 df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two', ...

python数据分析（七）：Pandas 数据变形与重塑

最新发布

人工智能微客/aiweker

05-02

782

透视表操作pivot: 简单的长转宽操作，不支持聚合: 支持聚合的透视表，适合处理重复值堆叠操作stack: 将列转换为行，产生多级索引unstack: 将行转换为列，是stack的逆操作融合操作melt: 将宽格式数据转换为长格式: 更灵活的宽变长转换方法虚拟变量转换: 将分类变量转换为虚拟变量: 将虚拟变量转换回分类变量爆炸操作explode: 将列表形式的元素拆分为多行交叉表crosstab: 计算两个或多个因素的简单交叉表分箱操作cut: 将连续变量离散化为区间因子化操作。

Pandas的数据重塑-pivot与pivot_table函数

ycyrym的博客

03-27

791

liao.cpython.org/pandas28/ pandas.pivot的重点在于reshape, 通俗理解就是合并同类项，所以在行与列的交叉点值的索引应该是唯一值，如果不是唯一值，则会报，即原始数据集中存在重复条目，此时pivot函数无法确定数据透视表中的数值即会报错ValueError: Index contains duplicate entries, cannot reshape...

pandas.pivot 和pandas.pivot_table区别

sunmingyang1987的博客

11-12

1244

原文：https://www.jianshu.com/p/97ed02a17d8f pandas.pivot的重点在于reshape, 通俗理解就是合并同类项，所以在行与列的交叉点值的索引应该是唯一值，如果不是唯一值，则会报错： ValueError: Index contains duplicate entries, cannot reshape 示例： df_test = pd.DataFr...

【Pandas】pandas.pivot_table详解与实战应用：数据透视表的高级用法，用于创建数据透视表，支持多种聚合操作和复杂的数据处理

科技改变人类，技术成就未来

08-04

2930

在数据分析和处理过程中，数据透视表是一个非常强大的工具，可以帮助我们汇总和重塑数据。pandas.pivot_table 是 Pandas 提供的一个函数，用于创建数据透视表，支持多种聚合操作和复杂的数据处理。本文将详细介绍 pandas.pivot_table 的用途和用法，包括其参数详解、示例代码以及进阶使用技巧。

【Pandas】pandas pivot_table

weixin_39648905的博客

12-03

1191

`pandas.pivot_table` 是 Pandas 库中的一个非常强大的函数，它允许你根据数据的某些列进行聚合，并生成一个透视表（pivot table）。透视表是数据分析中的一种常见工具，用于汇总、重组和透视数据，以便更好地理解数据的特征、趋势和关系。

python pandas 模块 pivot_table 函数的使用，比Excel透视更强大

YmeBtc的博客

09-26

1137

每天一点点，记录工作中实操可行 pandas melt 模块的使用 mac系统找到文件路径及复制到你的代码中 python pandas 模块 pivot_table 函数的使用，比Excel透视更强大 pivot_table 语法函数参数如下： pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean’,fill...

pandas学习笔记3—数据重塑图解Pivot, Pivot-Table, Stack and Unstack

Lavi的专栏

10-12

1万+

数据重塑图解—Pivot, Pivot-Table, Stack and Unstack引言Pandas是python中常用的数据分析软件库，它提供了DataFrames和Series的工具，这使得numpy和matplotlib可以更加便捷地读取转换数据。数据重塑表示转换一个表格或者向量的结构，使其适合于进一步的分析。Pandas拥有一些其他软件不具备的重塑功能，这对初学者来说可能会比较棘手。本文

pandas变形透视表 pivot,pivot_table,crosstab,melt,stack,unstack,get_dummies,factorize

laicikankna的博客

04-26

601

快速浏览pandas简单介绍和本文说明一、透视表的基本二、crosstab（交叉表）三、melt函数三、stack函数四、哑变量与因子化1. Dummy Variable（哑变量）2. factorize方法问题与练习参考 pandas简单介绍和本文说明 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地...

pandas里的pivot和pivot_table是啥关系

qq_41967784的博客

06-01

715

pandas里的pivot和pivot_table是啥关系pivotpivot_table总结参考 pivot 首先函数定义如下： DataFrame.pivot(index=None, columns=None, values=None) Return reshaped DataFrame organized by given index / column values. Reshape data (produce a “pivot” table) based on column values. Use

Pandas数据透视表--pivot_table

weixin_48408800的博客

01-08

4996

pandas有两个pivot_table函数,pandas.pivot_table和pandas.DataFrame.pivot_table,pandas.pivot_table 比 pandas.DataFrame.pivot_table 多了一个参数data，data就是一个dataframe，实际上这两个函数相同。pivot_table参数中最重要的四个参数 values,index,columns,aggfunc，下面通过案例介绍pivot_tabe的使用。

Pandas--melt和pivot

Ethan's Blog

04-12

1028

Pandas中melt和pivot函数melt和pivot函数说明数据准备数据处理 melt和pivot函数说明 melt函数和pivot函数通常用来进行数据表行和列转换使用。这里举一个例子来说明这两个函数可以达到的效果。原数据处理后数据数据准备 data={"date":['20150901','20150901','20150901'],"hour":[12,12,12],"type":['AQI','PM2.5_24h','PM10_24h'],"北京":[24,14,20],"天津":

pandas pivot pivot_table groupby crosstab用法与区别详解

bitcarmanlee的博客

05-24

1605

pivot_table可以重塑数据，重塑数据的好处是使得数据更加的直观和容易分析，俗称数据透视，经常使用excel的同学对透视表就不陌生了。pivot_table与pivot区别在于，pivot仅仅是对数据进行重塑，无法对数据进行聚合。同时，pivot方法中，指定的index与columns构成的数据里面如果存在重复的情况，代码将会报错。前面提到的pivot可以对数组进行分组聚合，其实我们平时日常对数据进行分组聚合使用最多的是groupby。可以看到，输出与pivot_table是完全一样的。

Python: 一文看懂pandas的透视表pivot_table