为什么以及何时应该使用 stack() 和 unstack() 方法？

Question

我对这两种方法很困惑： stack() 和 unstack() 我知道我应该在多索引的情况下使用它们，但是我需要知道以下内容：

1- 我不知道应该在哪里使用 stack 或 unstack
2- 为什么我应该使用它们

当我使用“pivot”时，我的理解是，pivot 将 Dataframe 转换为 unstack 形式，如果这是正确的，我需要知道为什么当我使用以下行代码时会引发错误：

data.stack(level=1) # IndexError: Too many levels: Index has only 1 level, not 2

但是当我这样做时，它会运行：

data.unstack().stack(level=1)

有时，我看到堆栈有这样的 kwargs，level=-1 我不知道什么时候必须放置“-1”，这是什么意思

我知道我误解了很多东西，但我很困惑

那么，对理解这些术语有帮助吗？

提前谢谢

Answer 1

这是对pivot 和unstack 之间差异的规范答案的尝试。关于重塑的完整指南，reshaping and pivot tables 上的 pandas 官方文档是必读的。

pivot 和 unstack 执行大致相同的操作，但它们在不同的逻辑级别上操作：分别为 列 和 索引级别。

我将使用这个示例数据框作为输入：

df = pd.DataFrame({'col1': list('ABCABC'),
                   'col2': list('aaabbb'),
                   'col3': list('uvwxyz'),
                  })

  col1 col2 col3
0    A    a    u
1    B    a    v
2    C    a    w
3    A    b    x
4    B    b    y
5    C    b    z

在列上使用pivot

pandas.DataFrame.pivot 对列进行操作

注意。当index 参数未使用时，它将使用当前索引。

df.pivot(index='col1', columns='col2', values='col3')

col2  a  b
col1      
A     u  x
B     v  y
C     w  z

在 MultiIndexes 上使用 unstack

这里有两个用例，无论输入是 Series 还是 DataFrame。

pandas.Series.unstack

我们将首先从初始 DataFrame 生成一个带有 MultIndex 的系列：

series = df.set_index(['col1', 'col2'])['col3']

col1  col2
A     a       u
B     a       v
C     a       w
A     b       x
B     b       y
C     b       z
Name: col3, dtype: object

我们看到数据与原始DataFrame非常相似，但col1和col2现在是索引级别，数据本身现在是一维的（即一个Series）

现在，我们可以应用unstack 默认将最右边（最后一个）索引级别作为列来旋转以生成 DataFrame。有很多方法可以指定要取消堆叠的索引级别，因此所有这些选项都是等效的：

series.unstack()

series.unstack('col2') # by level name

series.unstack(1) # by level position from the left

series.unstack(-1) # by level position from the end (-1 = last)

col2  a  b
col1      
A     u  x
B     v  y
C     w  z

这意味着df.pivot(index='col1', columns='col2', values='col3') 和df.set_index(['col1', 'col2'])['col3'].unstack() 在逻辑上是等价的。

pandas.DataFrame.unstack

unstack 的 DataFrame 版本与 Series 的版本非常相似，不同之处在于，由于数据已经是二维的，它将为列创建额外的索引级别。

df.set_index(['col1', 'col2']).unstack(level='col2')

     col3   
col2    a  b
col1        
A       u  x
B       v  y
C       w  z

同样，使用pivot，通过将列表封装的列名传递给values，可以获得相同的输出：

df.pivot(index='col1', columns='col2', values=['col3'])

     col3   
col2    a  b
col1        
A       u  x
B       v  y
C       w  z