目录Python全系列 教程
3567个小节阅读：5929.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
在Pandas中，stack()和unstack()方法用于在DataFrame对象和MultiIndex对象之间进行数据转换
使用时候可能用到
- 处理透视表数据：使用
stack()方法可以将透视表或分组汇总表转换为更常规的数据格式，便于进一步处理和分析- 处理多级索引的时间序列数据：当我们在处理时间序列数据时，经常使用多级索引来表示日期和时间的层次结构。使用
stack()和unstack()方法可以在行和列之间灵活地转换时间序列数据，方便进行数据切片、聚合和分析。- 数据重塑和逆重塑：方便进行数据处理和可视化
- 处理多维数据分析：在某些场景中，我们需要分析多维数据，其中行和列都有多个维度。使用
stack()和unstack()方法可以在行和列维度之间灵活地转换数据，以适应不同的分析需求
stack()方法用于将列索引（Column Index）转换为行索引（Row Index），从而生成一个带有MultiIndex的Series对象
xxxxxxxxxxstack(level=-1, dropna=True)level：可选参数，表示要堆叠的列级别（索引级别）。默认值为-1，表示堆叠所有列级别（全部）xxxxxxxxxximport pandas as pd
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})stacked_data = data.stack()
print(stacked_data)unstack()方法用于将行索引（Row Index）转换为列索引（Column Index），从而生成一个带有MultiIndex的DataFrame对象
xxxxxxxxxxunstack(level=-1, fill_value=None)level：可选参数，表示要展开的行级别（索引级别）。默认值为-1，表示展开所有行级别fill_value：可选参数，表示用于填充缺失值的值xxxxxxxxxximport pandas as pd
data = pd.DataFrame({('A', 'X'): [1, 2, 3], ('A', 'Y'): [4, 5, 6]})unstacked_data = data.unstack()
print(unstacked_data)df.T属性（或df.transpose()方法）用于转置（Transpose）DataFrame对象，即交换行和列的位置。它将DataFrame的行转换为列，将列转换为行，并生成一个新的DataFrame对象。
转置可以用于改变数据的结构，使得某些操作更加方便，例如使用行标签作为列标签、进行矩阵计算等
实时学习反馈
1. Pandas中数据转置使用_____:
A df.T
B df.t
答案
1=>A