Pandas 数据分析小技巧系列 第五集

今晚小技巧第五篇，做数据分析数据透视必不可少，数据透视让我们更加了解数据的规律。

Pandas 与透视相关的方法有 3 个，下面分别介绍使用它们的小技巧。 

16 melt透视数据小技巧

melt 方法固定某列为一个维度，组合其他列名为另一个维度，实现宽表融化为长表：

   zip_code  factory  warehouse  retail
0     12345      100        200       1
1     56789      400        300       2
2    101112      500        400       3
3    131415      600        500       4

固定列zip_code，组合factory，warehouse，retail 三个列名为一个维度，按照这种方法凑齐两个维度后，数据一定变长。

pandas 的 melt 方法演示如下：

In [49]: df = df.melt(id_vars = "zip_code") 

若melt方法，参数value_vars不赋值，默认剩余所有列都是value_vars，所以结果如下：

    zip_code   variable  value
0      12345    factory    100
1      56789    factory    400
2     101112    factory    500
3     131415    factory    600
4      12345  warehouse    200
5      56789  warehouse    300
6     101112  warehouse    400
7     131415  warehouse    500
8      12345     retail      1
9      56789     retail      2
10    101112     retail      3
11    131415     retail      4

若只想查看 factory 和 retail，则 value_vars 赋值为它们即可：

In [62]: df_melt2 = df.melt(id_vars = "zip_code",value_vars=['factory','reta
    ...: il'])  

结果：

zip_code variable  value
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4

melt 透视数据后，因为组合多个列为1列，所以数据一定变长。

17 pivot 透视小技巧

melt 是融化数据，而 pivot 结冰数据，它们是一对互逆操作。

这是上面 melt 后的数据：

zip_code variable  value
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4

现在想要还原为：

variable factory retail
zip_code               
12345        100      1
56789        400      2
101112       500      3
131415       600      4

如何实现？

使用 pivot 方法很容易做到：

df_melt2.pivot(index='zip_code',columns='variable')

index 设定第一个轴，为 zip_code，columns 设定哪些列或哪个列的不同取值组合为一个轴，此处设定为 variable 列，它一共有 2 种不同的取值，分别为 factory, retail，pivot 透视后变为列名，也就是 axis = 1 的轴

pivot 方法没有聚合功能，它的升级版为 pivot_table 方法，能对数据聚合。

18 pivot_table 使用小技巧

使用上面的 df_melt 演示不出聚合的功能：

zip_code variable  value
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4

因为 zip_code + variable 的组合都是唯一的，因此转化一步，df_melt 基础上再 append 它：

In [77]: dfa = df_melt2.append(df_melt2) 

数据变为：

   zip_code variable  value
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4
0     12345  factory    100
1     56789  factory    400
2    101112  factory    500
3    131415  factory    600
4     12345   retail      1
5     56789   retail      2
6    101112   retail      3
7    131415   retail      4

此时前两列组合存在重复项，能够演示出聚合的效果：

dfa.pivot_table(index='zip_code',columns='variable',aggfunc=np.sum)

index 设定第一个维度：zip_code，columns 设定第二个维度为 variable，使用 aggfunc 参数做聚合，也就是存在 zip_code + variable 重复项时，两项 np.sum 累加，透视结果如下：

           value       
variable factory retail
zip_code               
12345        200      2
56789        800      4
101112      1000      6
131415      1200      8