Pandas:数据重塑与透视

Pandas 主要提供以下数据变形方面的操作：

透视 df.pivot / pd.pivot_table

堆叠 stacking / unstacking

数据融合 (melt)

交叉表 crosstab()

分解 pd.factorize(x, sort=True)

虚拟对象 pd.get_dummies(df)

爆炸 df.explode('values')

窗口计算 rolling() expanding()

1、数据透视

1.1整理透视操作

1.2聚合透视

2、数据堆叠

stack：“透视”某个级别的（可能是多层的）列标签，返回带有索引的 DataFrame，该索引带有一个新的最里面的行标签。

unstack：（堆栈的逆操作）将（可能是多层的）行索引的某个级别“透视”到列轴，从而生成具有新的最里面的列标签级别的重构的 DataFrame。

stack 过程将数据集的列转行，unstack 过程为行转列。

2.1堆叠操作

2.2解堆叠

3、交叉表

交叉表是用于统计分组频率的特殊透视表。

简单来说，就是将两个或者多个列重中不重复的元素组成一个新的 DataFrame，新数据的行和列交叉的部分值为其组合在原数据中的数量。

4、数据融合

df.melt() 是 df.pivot() 逆转操作函数。

简单说就是将指定的列放到铺开放到行上名为variable(可指定)列，值在value(可指定)列。

5、虚拟变量

虚拟变量（Dummy Variables） ，又称虚设变量、名义变量或哑变量，用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。经常用在 one-hot 特征提取。

6、因子化

因子化值是指将个一维的数据，由于在大量的重复值，可以解析成枚举值，这样我们就方便进行分辨。

factorize 既可以用作顶层函数 pandas.factorize()，也可以用作Series.factorize() 和 Index.factorize() 方法。

7、爆炸列表

爆炸这个词非常形象，是指将类似列表的每个元素转换为一行，索引值是相同的