如何有效透視 Pandas DataFrame？

如何對資料框進行透視？

透視是一種轉換，它採用具有代表類別的列和代表值的行的資料框，並重新定向它，以便類別位於行中，值位於列中，索引設定為原始行值。

基本語法：

df.pivot(index=<row_labels>, columns=<col_labels>, values=<value_cols>)

範例：

• 在單一欄位上進行透視：

df.pivot(index='row', columns='col', values='val')

在單一欄位上進行透視：

• 在單一欄位上進行透視>

df.pivot(index=['row', 'item'], columns='col', values='val')

• 以多個為中心列：

df.pivot(index='row', columns='col', values=['val0', 'val1'])

• 對多個值進行透視：

df.pivot(index='row', columns='col', values='val', aggfunc='mean')

• 使用自訂聚合函數進行透視：

df.pivot_table(index='row', columns='col', values='val', fill_value=0)

處理重複keys:

• 預設情況下，如果行或列標籤中有重複的鍵，將會引發錯誤。或者，您可以使用：

• df.groupby('row', 'col')['val'].mean().unstack(fill_value=0)

  其他旋轉方法：
• groupby unstack：

pd. set_index：使用set_index設定行軸和列軸，然後unstack到資料透視表。

pd.crosstab：專為建立交叉表或資料透視表而設計。

進階透視技術：

pd.crosstab(index=df['row'], columns=df['col'], values=df['val'], aggfunc='count')

• 交叉表（頻率計數）：

df.pivot_table(index='row', columns='col', values='val', aggfunc=['mean', 'sum'])

• 多個聚合函數：

df.pivot_table(index='row', columns=['item', 'col'], values='val', fill_value=0, aggfunc='mean')

依多列細分：

以上是如何有效透視 Pandas DataFrame？的詳細內容。更多資訊請關注PHP中文網其他相關文章！