maxframe.dataframe.DataFrame.pivot#

DataFrame.pivot(columns, index=None, values=None)#

返回按给定索引/列值组织的重塑 DataFrame。

根据列值重塑数据（生成“透视”表）。使用指定 index / columns 的唯一值来构成结果 DataFrame 的轴。此函数不支持数据聚合，多个值将导致列中出现 MultiIndex。有关重塑的更多信息，请参见用户指南。

参数:

index (str or object or a list of str, optional) -- 用于创建新框架索引的列。如果为 None，则使用现有索引。
columns (str or object or a list of str) -- 用于创建新框架列的列。
values (str, object or a list of the previous, optional) -- 用于填充新框架值的列。如果未指定，则使用所有剩余列，并且结果将具有层次索引列。

返回:

返回重塑后的 DataFrame。

返回类型:

DataFrame

抛出:

ValueError: -- 当存在任何具有多个值的 index、columns 组合时。如果需要聚合，请使用 DataFrame.pivot_table。

参见

DataFrame.pivot_table: 透视表的泛化形式，可以处理一个索引/列对的重复值。
DataFrame.unstack: 基于索引值而不是列进行透视。
wide_to_long: 宽格式面板转为长格式。比 melt 更少灵活性但更友好。

备注

如需更精细的控制，请参阅层次索引文档以及相关的 stack/unstack 方法。

示例

>>> import maxframe.dataframe as md
>>> df = md.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
...                            'two'],
...                    'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
...                    'baz': [1, 2, 3, 4, 5, 6],
...                    'zoo': ['x', 'y', 'z', 'q', 'w', 't']})
>>> df.execute()
    foo   bar  baz  zoo
0   one   A    1    x
1   one   B    2    y
2   one   C    3    z
3   two   A    4    q
4   two   B    5    w
5   two   C    6    t

>>> df.pivot(index='foo', columns='bar', values='baz').execute()
bar  A   B   C
foo
one  1   2   3
two  4   5   6

>>> df.pivot(index='foo', columns='bar', values=['baz', 'zoo']).execute()
      baz       zoo
bar   A  B  C   A  B  C
foo
one   1  2  3   x  y  z
two   4  5  6   q  w  t

也可以分配一个列名列表或一个索引名列表。

>>> df = md.DataFrame({
...        "lev1": [1, 1, 1, 2, 2, 2],
...        "lev2": [1, 1, 2, 1, 1, 2],
...        "lev3": [1, 2, 1, 2, 1, 2],
...        "lev4": [1, 2, 3, 4, 5, 6],
...        "values": [0, 1, 2, 3, 4, 5]})
>>> df.execute()
    lev1 lev2 lev3 lev4 values
0   1    1    1    1    0
1   1    1    2    2    1
2   1    2    1    3    2
3   2    1    2    4    3
4   2    1    1    5    4
5   2    2    2    6    5

>>> df.pivot(index="lev1", columns=["lev2", "lev3"], values="values").execute()
lev2    1         2
lev3    1    2    1    2
lev1
1     0.0  1.0  2.0  NaN
2     4.0  3.0  NaN  5.0

>>> df.pivot(index=["lev1", "lev2"], columns=["lev3"], values="values").execute()
      lev3    1    2
lev1  lev2
   1     1  0.0  1.0
         2  2.0  NaN
   2     1  4.0  3.0
         2  NaN  5.0

如果存在任何重复项，则会引发 ValueError。

>>> df = md.DataFrame({"foo": ['one', 'one', 'two', 'two'],
...                    "bar": ['A', 'A', 'B', 'C'],
...                    "baz": [1, 2, 3, 4]})
>>> df.execute()
   foo bar  baz
0  one   A    1
1  one   A    2
2  two   B    3
3  two   C    4

注意，对于我们的 index 和 columns 参数来说，前两行是相同的。

>>> df.pivot(index='foo', columns='bar', values='baz').execute()
Traceback (most recent call last):
   ...
ValueError: Index contains duplicate entries, cannot reshape