摘要

前面給大家分享了pandas做資料合併的兩篇[pandas.merge]和[pandas.cancat]的用法。今天這篇主要講的是pandas的DataFrame的軸旋轉操作，stack和unstack的用法。

首先，要知道以下五點：
1.stack：將資料的列“旋轉”為行
2.unstack：將資料的行“旋轉”為列
3.stack和unstack預設操作為最內層
4.stack和unstack預設旋轉軸的級別將會成果結果中的最低級別（最內層）
5.stack和unstack為一組逆運算操作
第一點和第二點以及第五點比較好懂，可能乍看第三點和第四點會不太理解，沒關係，看看具體下面的例子，你就懂了。

1. 建立DataFrame,行索引名為state，列索引名為number

import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(6).reshape((2,3)),index=pd.Index(['Ohio','Colorado'],name='state')
                   ,columns=pd.Index(['one','two','three'],name='number'))
data

2. 將DataFrame的列旋轉為行，即stack操作。

result = data.stack()
result

從下圖中結果來理解上述點4，stack操作後將列索引number旋轉為行索引，並且置於行索引的最內層（外層為索引state），也就是將旋轉軸（number）的結果置於 最低級別。

3. 將DataFrame的行旋轉為列，即unstack操作。

result.unstack()

從下面結果理解上述點3，unstack操作預設將內層索引number旋轉為列索引。
同時，也可以指定分層級別或者索引名稱來指定操作級別，下面做錯同樣會得到上面的結果。

4. stack和unstack逆運算

s1 = pd.Series([0,1,2,3],index=list('abcd'))
s2 = pd.Series([4,5,6],index=list('cde'))
data2 = pd.concat([s1,s2],keys=['one','two'])
data2
 

data2.unstack().stack()

我們下次再見，如果還有下次的話！！！
歡迎關注微信公眾號：516資料工作室