python pandas 库的dataframe pivot()函数用法解析：

简而言之，我理解的pivot()的用途就是，将一个dataframe的记录数据整合成表格(类似Excel中的数据透视表功能)，而且是按照pivot(‘index=xx’,’columns=xx’,’values=xx’)来整合的。还有另外一种写法，
但是官方貌似并没有给出来，就是pivot(‘索引列’，‘列名’，‘值’)。

下面是官方描述：

============================================================================

Reshape data (produce a “pivot” table) based on column values. Uses unique values from index / columns to form axes of the resulting DataFrame.
译：重塑数据（产生一个“pivot”表格）以列值为标准。使用来自索引/列的唯一的值（去除重复值）为轴形成dataframe结果。

For finer-tuned control, see hierarchical indexing documentation along with the related stack/unstack methods
译：为了精细调节控制，可以看和stack/unstack方法有关的分层索引文件.
、============================================================================
以上内容来自链接：https://blog.csdn.net/siss0siss/article/details/77871027

在数据分析的时候要记得将pivot结果reset_index()。文章最后有关于reset_index()函数的说明

 

函数说明：

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

功能：重塑数据（产生一个“pivot”表格）以列值为标准。使用来自索引/列的唯一的值（去除重复值）为轴形成dataframe结果。

　　　为了精细调节控制，可以看和stack/unstack方法有关的分层索引文件。

　　　在数据分析的时候要记得将pivot结果reset_index()。

参数：index : string or object, optional

　　　　用于创建新框架索引的列名称。 如果没有，则使用现有的索引。

　　　columns : string or object

　　　　用于创建新框架列的列名称

　　　values : string or object, optional

　　　　用于填充新框架值的列名称。 如果未指定，则将使用所有剩余列，结果将具有分层索引列

返回：DataFrame

 

个人实践：

如图所示：这是在进行数据重塑之前的数据集，可以看到数据集包含三个字段的内容，分别是：name, year, gdp

采用pivot函数对数据集进行重塑(再说一遍：跟Excel中的数据透视表功能类似)

#对数据进行重塑
df = df.pivot(index='name',columns='year',values='gdp')
df = df.reset_index()
df.fillna(1.0,inplace=True)
df

df = df.pivot(index='name',columns='year',values='gdp')的功能

            新数据集索引列 = 原数据集'name'列中的值

            新数据集列名 = 原数据集‘year’列中的值

            新数据集数据 = 原数据集'gdp'列中的值

得到的结果如下图：

 转换关系如下：

关于reset_index()的说明

reset_index() 官方文档

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

 

level	将df的原index_label作为新的一列留存，且列名为index，同时自动生成数字index
drop	defalt False，如果是True，删除原来索引
inplace	下面几个都是Multiindex下的参数，后续研究

常用于在数据清洗过后，对数据重新设置连续行索引。

————————————————
版权声明：本文为CSDN博主「Quant_Learner」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/The_Time_Runner/article/details/84076716