这篇文章给大家分享的是“pivot函数是什么，具体用法是怎样的”，对大家学习和理解有一定的参考价值和帮助，有这方面学习需要的朋友，接下来就跟随小编一起学习一下吧。

1、pivot函数的定义

pivot(index=None,columns=None,values=None) -> DataFrame

2、pivot函数的说明

通过给定的索引(index)和列(column)的值重新生一个DataFrame对象。

根据列值对数据进行整形(生成一个“透视”表)。从指定的索引/列中使用唯一的值来形成结果数据帧的轴。此函数不支持数据聚合，多个值将导致列中的多索引。

3、pivo函数的参数

index：指定一列做为生成DataFrame对象的索引，如果为空则默认为原来的索引。

columns：指定一列的值作为列名，必须传值。

values：指定一列作为生成DataFrame对象的值。可以为空。

4、pivot函数实例

df = pd.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']})

# 指定foo的值为新dataframe的index，bar的值为columns，dataframe中对应的值为baz
df.pivot(index='foo', columns='bar', values='baz')

# 没有指定value，列名最外层保留原来的列，如下结果baz和zoo为原dataframe中的列名，新指定的列名bar在里层（暂时这么理解）。
df.pivot(index='foo', columns='bar')

# 可以通过索引的方式取指定的列数据
df.pivot(index='foo', columns='bar')['baz']

# 可以指定多个values
df.pivot(index='foo', columns='bar', values=['baz', 'zoo'])

# 指定多个columns
df.pivot(index='foo', columns=['bar','baz'], values=['zoo'])

# 指定多个index
df.pivot(index=['foo','bar'], columns='baz', values='zoo')

# 指定多个index可以通过index名取当个index的数据
df.pivot(index=['foo','bar'], columns='baz', values='zoo').loc["one",:]

# 这两行代码运行将会报错。
# 报错提示：ValueError: Index contains duplicate entries, cannot reshape
# 意思是指定的索引one有两个列bar=A冲突了。
df = pd.DataFrame({"foo": ['one', 'one', 'two', 'two'],
                   "bar": ['A', 'A', 'B', 'C'],
                   "baz": [1, 2, 3, 4]})
df.pivot(index='foo', columns='bar', values='baz')

5、pivot函数在实际工作中解决的案例

现在要上图中的不同code之间从2020-11-16到2020-11-18三天内num序列数的相关性。

首先，dataframe对象可以直接调用函数corr()计算不同列之间的相关性，所以现在需要将原始的dataframe对象转换成以code为列，date为索引，num为值的dataframe。
第一种比较笨的方法就是循环，此方法不但代码量较多而且在数据量很大时会比较耗时。不建议使用。

grouped = df.groupby(by=["code"])
df_num = pd.DataFrame()
for name,group in grouped:
    d = pd.Series(data=group["num"].values,name=name)
    df_num = pd.concat([df_num,d],axis=1)

df_close

第二种方法就是使用pivot函数，一行代码解决，运行快速。

df_num = df.pivot(index='date',columns='code',values='num')

想要的形式的dataframe生成了就可以直接调用corr()函数直接求出code之间的相关性了

# 计算列之间的相关性
df_num.corr()

总结

到此这篇关于“pivot函数是什么，具体用法是怎样的”的文章就介绍到这了,更多相关内容请搜索群英网络以前的文章或继续浏览下面的相关文章，希望大家以后多多支持群英网络！

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• graphviz怎么样安装与配置，如何应用于作图

  这篇文章主要介绍了python graphviz画图详情，文章围绕graphviz画图的相关资料展开内容，并附有官方安装链接，需要的小伙伴可以参考一下，洗碗给对你有所帮助

• Python采集电脑壁纸并自动换壁纸怎样实现

  这篇文章主要为大家介绍了如何利用Python实现电脑壁纸的采集以及轮换效果，文中的示例代码讲解详细，对我们学习Python有一定帮助，需要的可以参考一下

• 在Python中文件读写删除复制操作怎么实现

  1 read三种不同的方式f=open(& 39;hello txt& 39;) & 39;hello txt& 39;指的是文件的名称whileTrue:text=f readline() 读取文件指针指向

• Python中读取文本文件有哪些方法，用法是怎样

  在Python中，有几种方法可以读取文本文件。在本文中，将介绍以下几种方法：open() 函数、read() 方法、readline() 方法、readlines() 方法、close() 方法和 with 关键字。需要的同学可以参考一下

• 详解Python NumPy的数据类型对象的内容有什么

  本篇文章给大家带来了关于Python的相关知识，每个ndarray都有一个关联的数据类型(dtype)对象。这个数据类型对象（dtype）告诉我们数组的布局。下面将通过示例详细讲讲NumPy的