为什么以及何时应该使用 stack() 和 unstack() 方法？

Question

我对这两种方法感到非常困惑： stack() 和 unstack() 我知道我应该在多索引的情况下使用它们，但是，我需要知道以下内容：

1- 我不知道应该在哪里使用 stack 或 unstack
2- 为什么我应该使用它们

当我使用“pivot”时，我理解的是pivot将Dataframe转换为unstack形式，如果这是正确的，我需要知道为什么当我使用以下行代码时它会引发错误：

data.stack(level=1) # IndexError: Too many levels: Index has only 1 level, not 2

但是当我这样做时，它会运行：

data.unstack().stack(level=1)

有时，我看到堆栈有像这样的 kwargs，level=-1 我不知道什么时候必须放置“-1”，这是什么意思

我知道我误解了很多东西，但我很困惑

那么，对于理解这些术语有什么帮助吗？

提前谢谢

Answer 1

pivot这是对和之间差异的规范回答的尝试unstack。有关重塑的完整指南，必须阅读pandas 关于重塑和数据透视表的官方文档。

pivot并unstack执行大致相同的操作，但它们在不同的逻辑级别上操作：分别是列和索引级别。

我将使用此示例数据框作为输入：

df = pd.DataFrame({'col1': list('ABCABC'),
                   'col2': list('aaabbb'),
                   'col3': list('uvwxyz'),
                  })

  col1 col2 col3
0    A    a    u
1    B    a    v
2    C    a    w
3    A    b    x
4    B    b    y
5    C    b    z

pivot在列上使用

pandas.DataFrame.pivot对列进行操作

注意。当index参数未使用时，它将使用当前索引。

df.pivot(index='col1', columns='col2', values='col3')

col2  a  b
col1      
A     u  x
B     v  y
C     w  z

unstack在多重索引上使用

无论输入是 Series 还是 DataFrame，这里都有两种用例。

pandas.Series.unstack

我们将首先从初始 DataFrame 生成一个具有 MultIndex 的 Series：

series = df.set_index(['col1', 'col2'])['col3']

col1  col2
A     a       u
B     a       v
C     a       w
A     b       x
B     b       y
C     b       z
Name: col3, dtype: object

我们看到数据与原始DataFrame非常相似，但col1现在col2是索引级别，并且数据本身现在是一维的（即，一个Series）

现在，我们可以unstack默认将最右边（最后一个）索引级别应用到透视表作为列来生成 DataFrame。有多种方法可以指定要取消堆叠的索引级别，因此所有这些选项都是等效的：

series.unstack()

series.unstack('col2') # by level name

series.unstack(1) # by level position from the left

series.unstack(-1) # by level position from the end (-1 = last)

col2  a  b
col1      
A     u  x
B     v  y
C     w  z

这意味着df.pivot(index='col1', columns='col2', values='col3')和df.set_index(['col1', 'col2'])['col3'].unstack()在逻辑上是等价的。

pandas.DataFrame.unstack

DataFrame 版本unstack与 Series 版本非常相似，不同之处在于，由于数据已经是二维的，因此它将为列创建额外的索引级别。

df.set_index(['col1', 'col2']).unstack(level='col2')

     col3   
col2    a  b
col1        
A       u  x
B       v  y
C       w  z

同样，pivot通过将列表封装的列名称传递给 ，可以使用 获得相同的输出values：

df.pivot(index='col1', columns='col2', values=['col3'])

     col3   
col2    a  b
col1        
A       u  x
B       v  y
C       w  z