知识卡片
重塑改变问题视角
stack把列标签层移入行索引,unstack把行索引层移到列轴;可指定层级名或编号,默认示例作用于内层。数据从不同视角排列,值的业务含义不应随显示方向改变。未出现过的标签组合可能补出NA,旧版stack又可能滤NA,故不能把任意往返都当无损恒等变换。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 重塑改变问题视角
- · “最后一个字母”的变革
- · 层次化索引
原书出处 · 3 处
- · 查看原书依据
进行转置以便将各个列做成一个时间序列: In [410]: letter_prop = table / table.sum().astype(float) In [411]: dny_ts = letter_prop.ix[['d', 'n', 'y'], 'M'].T In [412]: dny_ts.head() Out[412]: d n y year
- · 查看原书依据
unstack的逆运算是stack: In [269]: data.unstack().stack() Out[269]: a 1 0.670216 2 0.852965 3 -0.955869 b 1 -0.023493 2 -2.304234 3 -0.652469 c 1 -1.218302 2 -1.332610 d 2 1.074623 3 0.7
- · 查看原书依据
将数据的列“旋转”为行。 ·unstack:将数据的行“旋转”为列。 我将通过一系列的范例来讲解这些操作。接下来看一个简单的DataFrame,其中的行列索引均为字符串: In [94]: data = DataFrame(np.arange(6).reshape((2, 3)), ...: index=pd.Index(['Ohio', 'Colorado
参考来源
《利用Python进行数据分析》第7章《数据规整化:清理、转换、合并、重塑》
- 位置:《利用Python进行数据分析》第2章《“最后一个字母”的变革》(spine259;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0245.html;u039-ch07-004)。
- 结论依据:将所选字母列转为年度作行的时间序列,改变展示方向但不新增观测或解释因果;第7章再完整解释重塑。
- 原始内容:进行转置以便将各个列做成一个时间序列: In [410]: letter_prop = table / table.sum().astype(float) In [411]: dny_ts = letter_prop.ix[['d', 'n', 'y'], 'M'].T In [412]: dny_ts.head() Out[412]: d n y year
- 位置:《利用Python进行数据分析》第5章《层次化索引》(spine284;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0270.html;u124-ch07-004)。
- 结论依据:unstack把索引一层展开到另一条轴,未观察到的组合可形成NA;stack把相应轴层放回,具体缺失保留规则需核对,不能把任意两次操作无条件视作完全无损逆变换。
- 原始内容:unstack的逆运算是stack: In [269]: data.unstack().stack() Out[269]: a 1 0.670216 2 0.852965 3 -0.955869 b 1 -0.023493 2 -2.304234 3 -0.652469 c 1 -1.218302 2 -1.332610 d 2 1.074623 3 0.7
- 位置:《利用Python进行数据分析》第7章《重塑层次化索引》(spine293;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0279.html;u152-ch07-004)。
- 结论依据:原文在“将数据的列“旋转”为行”附近的定义、例子或代码支撑本卡核心说明:stack把列标签层移入行索引,unstack把行索引层移到列轴;可指定层级名或编号,默认示例作用于内层。边界按已读前提解释;示例未执行。
- 原始内容:将数据的列“旋转”为行。 ·unstack:将数据的行“旋转”为列。 我将通过一系列的范例来讲解这些操作。接下来看一个简单的DataFrame,其中的行列索引均为字符串: In [94]: data = DataFrame(np.arange(6).reshape((2, 3)), ...: index=pd.Index(['Ohio', 'Colorado