建站
咨詢
售后
建站咨詢
新聞中心
Python變形
1.長寬表的變形
為麻山等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及麻山網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為網(wǎng)站建設(shè)、成都做網(wǎng)站、麻山網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！
什么是長表?什么是寬表?這個概念是對于某一個特征而言的。例如:一個表中把性別存儲在某一個列中， 那么它就是關(guān)于性別的長表;如果把性別作為列名，列中的元素是某一其他的相關(guān)特征數(shù)值，那么這個表是 關(guān)于性別的寬表。
1.1 pivot
pivot 是一種典型的長表變寬表的函數(shù)。對于一個基本的長變寬的操作而言，最重要的有三個要素，分別是變形后的行索引、需要轉(zhuǎn)到列索引的列， 以及這些列和行索引對應(yīng)的數(shù)值，它們分別對應(yīng)了 pivot 方法中的 index, columns, values 參數(shù)。新生成表的 列索引是 columns 對應(yīng)列的 unique 值，而新表的行索引是 index 對應(yīng)列的 unique 值，而 values 對應(yīng)了想 要展示的數(shù)值列。
利用 pivot 進(jìn)行變形操作需要滿足唯一性的要求，即由于在新表中的行列索引對應(yīng)了唯一的 value ，因此原 表中的 index 和 columns 對應(yīng)兩個列的行組合必須唯一。例如，現(xiàn)在把原表中第二行張三的數(shù)學(xué)改為語文就 會報錯，這是由于 Name 與 Subject 的組合中兩次出現(xiàn) (”San Zhang”, ”Chinese”) ，從而最后不能夠確定到 底變形后應(yīng)該是填寫 80 分還是 75 分。
pandas 從 1.1.0 開始，pivot 相關(guān)的三個參數(shù)允許被設(shè)置為列表，這也意味著會返回多級索引。這里構(gòu)造一 個相應(yīng)的例子來說明如何使用:下表中六列分別為班級、姓名、測試類型(期中考試和期末考試)、科目、成 績、排名。
根據(jù)唯一性原則，新表的行索引等價于對 index 中的多列使用 drop_duplicates ，而列索引的長度為 values 中的元素個數(shù)乘以 columns 的唯一組合數(shù)量(與 index 類似)。
1.2 pivot_table
pivot 的使用依賴于唯一性條件，那如果不滿足唯一性條件，那么必須通過聚合操作使得相同行列組合對應(yīng) 的多個值變?yōu)橐粋€值。例如，張三和李四都參加了兩次語文考試和數(shù)學(xué)考試，按照學(xué)院規(guī)定，最后的成績是 兩次考試分?jǐn)?shù)的平均值，此時就無法通過 pivot 函數(shù)來完成。
1.3 melt
長寬表只是數(shù)據(jù)呈現(xiàn)方式的差異，但其包含的信息量是等價的，前面提到了利用 pivot 把長表轉(zhuǎn)為寬表，那 么就可以通過相應(yīng)的逆操作把寬表轉(zhuǎn)為長表，melt 函數(shù)就起到了這樣的作用。
1.4 wide_to_long
melt 方法中，在列索引中被壓縮的一組值對應(yīng)的列元素只能代表同一層次的含義，即 values_name ?，F(xiàn)在 如果列中包含了交叉類別，比如期中期末的類別和語文數(shù)學(xué)的類別，那么想要把 values_name 對應(yīng)的 Grade 擴(kuò)充為兩列分別對應(yīng)語文分?jǐn)?shù)和數(shù)學(xué)分?jǐn)?shù)，只把期中期末的信息壓縮，這種需求下就要使用 wide_to_long 函數(shù)來完成。
2 索引的變形
2.1 stack 與 unstack
unstack 函數(shù)的作用是把行索引轉(zhuǎn)為列索引
unstack 的主要參數(shù)是移動的層號，默認(rèn)轉(zhuǎn)化最內(nèi)層，移動到列索引的最內(nèi)層，同時支持同時轉(zhuǎn)化多個層
類似于 pivot 中的唯一性要求，在 unstack 中必須保證 被轉(zhuǎn)為列索引的行索引層和 被保留的行索引層構(gòu)成 的組合是唯一的，例如把前兩個列索引改成相同的破壞唯一性，那么就會報錯
與 unstack 相反，stack 的作用就是把列索引的層壓入行索引，其用法完全類似。
2.2 聚合與變形的關(guān)系
在上面介紹的所有函數(shù)中，除了帶有聚合效果的 pivot_table 以外，所有的函數(shù)在變形前后并不會帶來 values 個數(shù)的改變，只是這些值在呈現(xiàn)的形式上發(fā)生了變化。在上一章討論的分組聚合操作，由于生成了新的行列 索引，因此必然也屬于某種特殊的變形操作，但由于聚合之后把原來的多個值變?yōu)榱艘粋€值，因此 values 的 個數(shù)產(chǎn)生了變化，這也是分組聚合與變形函數(shù)的最大區(qū)別。
3 其他變形函數(shù)
3.1 crosstab
crosstab 并不是一個值得推薦使用的函數(shù)，因?yàn)樗軐?shí)現(xiàn)的所有功能 pivot_table 都能完成，并且速度更快。 在默認(rèn)狀態(tài)下，crosstab 可以統(tǒng)計元素組合出現(xiàn)的頻數(shù)，即 count 操作。例如統(tǒng)計 learn_pandas 數(shù)據(jù)集中 學(xué)校和轉(zhuǎn)系情況對應(yīng)的頻數(shù)
3.2 explode
explode 參數(shù)能夠?qū)δ骋涣械脑剡M(jìn)行縱向的展開，被展開的單元格必須存儲 list, tuple, Series, np.ndarray 中的一種類型。
3.3 get_dummies
get_dummies 是用于特征構(gòu)建的重要函數(shù)之一，其作用是把類別特征轉(zhuǎn)為指示變量。例如，對年級一列轉(zhuǎn)為 指示變量，屬于某一個年級的對應(yīng)列標(biāo)記為 1，否則為 0
python-函數(shù)可變參數(shù)類型
python中的函數(shù)，大多需要配置參數(shù)，以下是幾種函數(shù)的參數(shù)類型：
1.必備參數(shù)：以正確的順序、個數(shù)傳入函數(shù)。調(diào)用時的參數(shù)情況要和聲明時一樣。最常用的情況。
def tplink(a,b):
c=a+b+b
return c?
tplink(4,2)
2.關(guān)鍵字參數(shù):使用關(guān)鍵字參數(shù)允許函數(shù)調(diào)用時參數(shù)的順序和聲明時不一致，因?yàn)閜ython解析器會在調(diào)用函數(shù)時，用參數(shù)名匹配參數(shù)值。
def tplink(age1,age2):
ageall=age1+age2+age2
return ageall
tplink(age2=4,age1=2)
3.默認(rèn)參數(shù)：默認(rèn)某個參數(shù)的取值
def tplink(age1,age2=5):
ageall=age1+age2+age2
return ageall
tplink(age1=4)
4.不定長參數(shù)：在聲明時并不確定 調(diào)用時的參數(shù)數(shù)量。這種情況，可以用不定長參數(shù)進(jìn)行解決，具體操作是在參數(shù)名前用*。
但不能和 關(guān)鍵字參數(shù)并用。一般在正常參數(shù)arg之后。
*args、**kwargs的定義：
這兩個都是python中的不定長參數(shù)，又稱為可變參數(shù)。
*args 表示任何多個無名參數(shù)，它是一個 tuple ；
**kwargs 表示關(guān)鍵字參數(shù)，它是一個dict。
同時使用 * args和 ** kwargs 時，必須 * args參數(shù)列要在 ** kwargs前。且都在arg之后。
函數(shù)在調(diào)用時，會根據(jù)順序，看是否放進(jìn) *args 或者 **kwargs中。
具體可根據(jù)實(shí)際情況使用，可以 更方便靈活的接收信息。
python中函數(shù)的默認(rèn)參數(shù)和可變長參數(shù)如何排列
open最多可以帶三個參數(shù)，但是后面兩個是可選的，[]內(nèi)的內(nèi)容表示可選參數(shù)。
open第一個參數(shù)是文件名稱，第二個是模式，第三個表示緩沖方式,看隨機(jī)文檔有詳細(xì)解釋的。
新聞標(biāo)題：python變長函數(shù) python 可變長度參數(shù)
本文URL：http://fisionsoft.com.cn/article/doogojo.html
