大数据培训之数据重塑：重塑层次化索引

　　在Pandas中，大多数据是以便于操作的DataFrame形式展现的，这样可以很容易地获取每行或每列的数据。不过有些时候，需要将DataFrame对象转换为Series对象。为此，Pandas提供了数据重塑的一些功能，包括重塑层次化索引和轴向转换，用于转换一个表格或向量的结构，使其更便于进行下一步的分析。接下来，笔者先来介绍一下数据重塑的相关功能进行详细地介绍。

　　Pandas中重塑层次化索引的操作主要是stack()方法和unstack()方法，前者是将数据的列“旋转”为行，后者是将数据的行“旋转”为列。

　　stack()方法可以将数据的列索引转换为行索引，其语法格式如下：

DataFrame.stack(level=-1, dropna=True)

　　上述方法中部分参数表示的含义如下：

　　(1)level：表示操作内层索引。若设为0，表示操作外层索引，默认为-1。

　　(2)dropna：表示是否将旋转后的缺失值删除，若设为True，则表示自动过滤缺失值，设置为False则相反。

　　假设现在有一个DataFrame类对象df，它只有单层索引，如果希望将其重塑为一个具

　　有两层索引结构的对象result，也就是说将列索引转换成内层行索引，则重塑前后的效果如图4-22所示。

　　图4-22 DataFrame对象重塑为Series对象

　　接下来，我们通过一个示例来演示如何使用stack()方法将df对象转换成result，具体代码如下：

In [33]: import pandas as pd
        df=pd.DataFrame({'A':['A0','A1','A2'],
                         'B':['B0','B1','B2']}
        # 将df进行重塑
        result=df.stack()
        result
Out[33]:
        0 A      A0
          B      B0
        1 A      A1
          B      B1
        2 A      A2
          B      B2

　　上述代码中，首先创建了一个DataFrame类的对象df，然后让df对象调用stack()方法进行重塑，表明df对象的列索引会转换成行索引。从输出结果看出，result对象具有两层行索引。

　　使用type()函数来查看result的类型，代码如下：

In [34]: type(result)
Out[34]: pandas.core.series.Series

　　从输出结果可以看出，DataFrame对象已经被转换成一个Series对象。

　　unstack()方法可以将数据的行索引转换为列索引，其语法格式如下：

DataFrame.unstack(level=-1, fill_value=None)

　　上述方法中部分参数表示的含义如下：

　　(1)level：默认为-1，表示操作内层索引，0表示操作外层索引。

　　(2)fill_value：若产生了缺失值，则可以设置这个参数用来替换NaN。

　　接下来，将前面示例中重塑的Series对象“恢复原样”，转变成DataFrame对象，具体代码如下：

In [35]: import pandas as pd
        df=pd.DataFrame({'A':['A0','A1','A2'],
                         'B':['B0','B1','B2']}
        res=df.stack()      # 将df重塑为Series对象
        res.unstack()       # 将Series对象转换成df
Out[35]:
           A   B
        0  A0  B0
        1  A1  B1
        2  A2  B2

　　上述示例中，首先创建了一个DataFrame类对象df，然后使用stack()方法将其重塑为Series类对象，最后再使用unstack()方法将其重塑回DataFrame类对象。