◆?◆?◆ ?◆?◆

前言

數(shù)據(jù)的行轉(zhuǎn)列操作，在實(shí)際工作過(guò)程中應(yīng)用非常廣泛。

由于不同人員、不同部門(mén)對(duì)數(shù)據(jù)結(jié)構(gòu)的認(rèn)識(shí)是不大相同的，尤其是從基層人員手里拿到的數(shù)據(jù)，更是五花八門(mén)，橫七豎八。

比如有這樣一張成績(jī)表：

乍一看，好像沒(méi)毛病啊！！

然鵝鵝鵝，當(dāng)需求：=簡(jiǎn)單計(jì)算一下每個(gè)人的總分吧！來(lái)臨的時(shí)候。我腦海中不禁浮想起了：

安排

# 遇事不要慌，先導(dǎo)個(gè)包吧 import pandas as pd import numpy as np#?造假數(shù)據(jù) data = {'name':['嚴(yán)小樣兒','嚴(yán)小樣兒','嚴(yán)小樣兒','才華橫豎都溢','才華橫豎都溢','才華橫豎都溢','幽蘭幽香','幽蘭幽香','幽蘭幽香'],'subject':['Python','C','SQL','Python','C','SQL','Python','C','SQL'],'score':[95,60,95,96,95,80,99,94,88]}# 生成df df = pd.DataFrame(data) df

使用pivot方法即可完成行轉(zhuǎn)列哦~語(yǔ)法如下：

#df.pivot(index=None, columns=None, values=None) df.pivot(index='name',columns='subject',values='score')

不要高興的太早，遇到重復(fù)值就麻煩了！少俠請(qǐng)看：

#?造含有重復(fù)值的假數(shù)據(jù) data1 = {'name':['嚴(yán)小樣兒','嚴(yán)小樣兒','嚴(yán)小樣兒','嚴(yán)小樣兒','才華橫豎都溢','才華橫豎都溢','才華橫豎都溢','幽蘭幽香','幽蘭幽香','幽蘭幽香'],'subject':['Python','Python','C','SQL','Python','C','SQL','Python','C','SQL'],'score':[95,95,60,95,96,95,80,99,94,88]}df1 = pd.DataFrame(data1) df1

df1.pivot(index='name',columns='subject',values='score')#?一旦有重復(fù)值，就會(huì)報(bào)錯(cuò)。 ValueError: Index contains duplicate entries, cannot reshape

別急別急，去個(gè)重不就可以了嗎？！

df1.drop_duplicates().pivot(index='name',columns='subject',values='score')

方法二：數(shù)據(jù)透視表

# pivot_table(data, values=None, index=None, columns=None, aggfunc='mean') pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'})

聚合

剛剛說(shuō)了，要求每個(gè)人的總分，其實(shí)使用透視表就可以完成。

不過(guò)，稍微動(dòng)動(dòng)腦筋哦。遇到重復(fù)值數(shù)據(jù)的話，只能使用下面的方法一，去重后的數(shù)據(jù)集，方法一，二都支持。

計(jì)算每個(gè)人的總分，語(yǔ)法如下：

# 重復(fù)數(shù)據(jù)集也可以 df_pivot = pd.pivot_table(df1,index='name',columns='subject',values='score',aggfunc={'score':'max'}) #?增加一個(gè)新列：Total df_pivot['Total'] = df_pivot.apply(lambda x:np.sum(x),axis = 1) df_pivot

方法二，必須是去重后的數(shù)據(jù)集，否則會(huì)出現(xiàn)計(jì)算錯(cuò)誤。

# 使用去重?cái)?shù)據(jù)集才可以 pd.pivot_table(df,index='name',values='score',aggfunc='sum')

# 使用join方法把總分列加進(jìn)去。 total = pd.pivot_table(df,index='name',values='score',aggfunc='sum') pd.pivot_table(df,index='name',columns='subject',values='score').join(total)

--需求方：算是算出來(lái)了，可是，這個(gè)score看著怪怪的，能不能改成“總分”呢？

--嚴(yán)小樣兒：我改（卑微）！安排~

total1 = pd.pivot_table(df,index='name',values='score',aggfunc='sum').rename({'score':'總分'},axis=1) pd.pivot_table(df,index='name',columns='subject',values='score').join(total1)

行轉(zhuǎn)列，就這樣講完了，大家趕快動(dòng)手實(shí)踐一下吧。那么，如何列轉(zhuǎn)行呢？！

下

期

見(jiàn)

!

往期精彩回顧適合初學(xué)者入門(mén)人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)筆記專(zhuān)輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專(zhuān)輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專(zhuān)輯

總結(jié)

以上是生活随笔為你收集整理的【机器学习基础】Python实现行转列？！超简单，赶快get起来的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。