干货：直观地解释和可视化每个复杂的 DataFrame 操作

大多数数据科学家可能会赞扬Pandas进行数据准备的能力，但许多人可能无法利用所有这些能力。操作数据帧可能很快会成为一项复杂的任务，因此在Pandas中的八种技术中均提供了说明，可视化，代码和技巧来记住如何做。

Pandas提供了各种各样的DataFrame操作，但是其中许多操作很复杂，而且似乎不太平易近人。本文介绍了8种基本的DataFrame操作方法，它们涵盖了数据科学家需要知道的几乎所有操作功能。每种方法都将包括说明，可视化，代码以及记住它的技巧。

Pivot

透视表将创建一个新的“透视表”，该透视表将数据中的现有列投影为新表的元素，包括索引，列和值。初始DataFrame中将成为索引的列，并且这些列显示为唯一值，而这两列的组合将显示为值。这意味着Pivot无法处理重复的值。

旋转名为df的DataFrame的代码如下：

记住：Pivot——是在数据处理领域之外——围绕某种对象的转向。在体育运动中，人们可以绕着脚“旋转”旋转：大熊猫的旋转类似于。原始DataFrame的状态围绕DataFrame的中心元素旋转到一个新元素。有些元素实际上是在旋转或变换的（例如，列“bar”），因此很重要。

Melt

Melt可以被认为是“不可透视的”，因为它将基于矩阵的数据（具有二维）转换为基于列表的数据（列表示值，行表示唯一的数据点），而枢轴则相反。考虑一个二维矩阵，其一维为“B”和“C”（列名），另一维为“a”，“b”和“c”（行索引）。

我们选择一个ID，一个维度和一个包含值的列/列。包含值的列将转换为两列：一列用于变量（值列的名称），另一列用于值（变量中包含的数字）。

结果是ID列的值（a，b，c）和值列（B，C）及其对应值的每种组合，以列表格式组织。

可以像在DataFramedf上一样执行Mels操作：

记住：像蜡烛一样融化(Melt)就是将凝固的复合物体变成几个更小的单个元素（蜡滴）。融合二维DataFrame可以解压缩其固化的结构并将其片段记录为列表中的各个条目。

Explode

是一种摆脱数据列表的有用方法。当一列爆炸时，其中的所有列表将作为新行列在同一索引下（为防止发生这种情况，此后只需调用.reset/_index（）即可）。诸如字符串或数字之类的非列表项不受影响，空列表是NaN值（您可以使用.dropna（）清除它们）。

在DataFramedf中Explode列“A”非常简单：

要记住：Explode某物会释放其所有内部内容-Explode列表会分隔其元素。

Stack

堆叠采用任意大小的DataFrame，并将列“堆叠”为现有索引的子索引。因此，所得的DataFrame仅具有一列和两级索引。

堆叠名为df的表就像df.stack（）一样简单。

为了访问狗的身高值，只需两次调用基于索引的检索，例如df.loc ['dog']。loc ['height']。

要记住：从外观上看，堆栈采用表的二维性并将列堆栈为多级索引。

Unstack

取消堆叠将获取多索引DataFrame并对其进行堆叠，将指定级别的索引转换为具有相应值的新DataFrame的列。在表上调用堆栈后再调用堆栈不会更改该堆栈（原因是存在“0”）。

堆叠中的参数是其级别。在列表索引中，索引为-1将返回最后一个元素。这与水平相同。级别-1表示将取消堆叠最后一个索引级别（最右边的一个）。作为另一个示例，当级别设置为0（第一个索引级别）时，其中的值将成为列，而随后的索引级别（第二个索引级别）将成为转换后的DataFrame的索引。

可以按照与堆叠相同的方式执行堆叠，但是要使用level参数：df.unstack（level = -1）。

Merge

合并两个DataFrame是在共享的“键”之间按列（水平）组合它们。此键允许将表合并，即使它们的排序方式不一样。完成的合并DataFrame默认情况下会将后缀/_x和/_y添加到value列。

为了合并两个DataFramedf1和df2（其中df1包含leftkey，而df2包含rightkey），请调用：

合并不是pandas的功能，而是附加到DataFrame。始终假定合并所在的DataFrame是“左表”，在函数中作为参数调用的DataFrame是“右表”，并带有相应的键。

默认情况下，合并功能执行内部联接：如果每个DataFrame的键名均未列在另一个键中，则该键不包含在合并的DataFrame中。另一方面，如果一个键在同一DataFrame中列出两次，则在合并表中将列出同一键的每个值组合。例如，如果df1具有3个键foo值，而df2具有2个相同键的值，则在最终DataFrame中将有6个条目，其中leftkey = foo和rightkey = foo。

记住：合并数据帧就像在水平行驶时合并车道一样。想象一下，每一列都是高速公路上的一条车道。为了合并，它们必须水平合并。

Join

通常，联接比合并更可取，因为它具有更简洁的语法，并且在水平连接两个DataFrame时具有更大的可能性。连接的语法如下：

使用联接时，公共键列（类似于合并中的right/_on和left/_on）必须命名为相同的名称。how参数是一个字符串，它表示四种连接方法之一，可以合并两个DataFrame：

'left'：包括df1的所有元素，仅当其键为df1的键时才包含df2的元素。否则，df2的合并DataFrame的丢失部分将被标记为NaN。

'right'：'left'，但在另一个DataFrame上。包括df2的所有元素，仅当其键是df2的键时才包含df1的元素。

“outer”：包括来自DataFrames所有元素，即使密钥不存在于其他的-缺少的元素被标记为NaN的。

“inner”：仅包含元件的键是存在于两个数据帧键（交集）。默认合并。

记住：如果您使用过SQL，则单词“ join”应立即与按列添加相联系。如果不是，则“ join”和“ merge”在定义方面具有非常相似的含义。

Concat

合并和连接是水平工作，串联或简称为concat，而DataFrame是按行（垂直）连接的。例如，考虑使用pandas.concat（[df1，df2]）串联的具有相同列名的两个DataFramedf1和df2：

尽管可以通过将axis参数设置为1来使用concat进行列式联接，但是使用联接会更容易。

请注意，concat是pandas函数，而不是DataFrame之一。因此，它接受要连接的DataFrame列表。

如果一个DataFrame的另一列未包含，默认情况下将包含该列，缺失值列为NaN。为了防止这种情况，请添加一个附加参数join ='inner'，该参数只会串联两个DataFrame共有的列。

切记：在列表和字符串中，可以串联其他项。串联是将附加元素附加到现有主体上，而不是添加新信息（就像逐列联接一样）。由于每个索引/行都是一个单独的项目，因此串联将其他项目添加到DataFrame中，这可以看作是行的列表。

Append是组合两个DataFrame的另一种方法，但它执行的功能与concat相同，效率较低且用途广泛。

-

审核编辑 黄昊宇