数据仓库与数据挖掘实验练习8

pivot_table()透视表

sales.pivot_table(values = 'Revenue',index = 'Date', columns = 'Name',aggfunc = 'sum',fill_value = 0,margins = True,margins_name = '总计'
)

使用 Pandas 的 pivot_table 函数将一个名为 sales 的 DataFrame 转化为透视表。

1. `sales.pivot_table(...)`

sales: 这是你的 DataFrame 的名称，包含了你要进行透视分析的数据。

2. `values='Revenue'`

values: 指定你要聚合的列的名称，这里是要聚合 Revenue 列。

3. `index='Date'`

index: 指定要作为透视表行索引的列的名称，这里是要按 Date 列进行分组。

4. `columns='Name'`

columns: 指定要作为透视表列索引的列的名称，这里是要按 Name 列进行分组。

5. `aggfunc='sum'`

aggfunc: 指定对 values 列进行的聚合函数，这里是要对 Revenue 列进行求和。

6. `fill_value=0`

fill_value: 指定透视表中缺失值的填充值，这里将所有缺失值填充为 0。

7. `margins=True`

margins: 指定是否计算行和列的总计，这里是要计算总计。

8. `margins_name='总计'`

margins_name: 指定行和列总计的名称，这里将总计的名称设置为 "总计"。

总结：

这段代码将 sales DataFrame 中 Revenue 列的值按照 Date 列和 Name 列进行分组，并使用 sum 函数对每个分组的 Revenue 值进行求和，最终生成一个透视表。透视表中将 Date 列作为行索引，Name 列作为列索引，每个单元格的值表示对应日期和名字的 Revenue 之和。此外，代码还计算了行和列的总计，并将总计的名称设置为 "总计"。

示例：

假设 sales DataFrame 包含以下数据：

Date Name Revenue
2023-01-01 Alice 100
2023-01-01 Bob 200
2023-01-02 Alice 150
2023-01-02 Charlie 300

执行这段代码后，生成的透视表将如下所示：

Alice Bob Charlie 总计
2023-01-01 100 200 0 300
2023-01-02 150 0 300 450
总计 250 200 300 750

Date	Name	Revenue
2023-01-01	Alice	100
2023-01-01	Bob	200
2023-01-02	Alice	150
2023-01-02	Charlie	300

	Alice	Bob	Charlie	总计
2023-01-01	100	200	0	300
2023-01-02	150	0	300	450
总计	250	200	300	750

`stack()` 多变单

将一个多层索引 DataFrame（by_name_and_date）转换为一个单层索引 DataFrame。

解释：

by_name_and_date: 这是一个 DataFrame 对象，其索引是多层的。这意味着它的索引包含多个级别，例如，可能包含 Name 和 Date 两个级别。

stack(): 这是一个 Pandas DataFrame 的方法，用于将 DataFrame 的多层索引转换为单层索引。具体来说，它会将 DataFrame 的列索引（最内层索引）提升到行索引中，并将原来的行索引和列索引合并成一个新的行索引。

示例：

by_name_and_date DataFrame 如下所示：

执行 by_name_and_date.stack() 后，DataFrame 将变为：

`unstack()` 单变多

将一个多层索引 DataFrame（sales_by_customer）转换为一个具有层次结构的列索引 DataFrame。

解释：

sales_by_customer: 这是一个 DataFrame 对象，其索引是多层的。这意味着它的索引包含多个级别，例如，可能包含 Customer 和 Product 两个级别。

unstack(): 这是一个 Pandas DataFrame 的方法，用于将 DataFrame 的行索引（最内层索引）转换为列索引。具体来说，它会将 DataFrame 的行索引中的一个级别提升到列索引中，形成一个层次结构的列索引。

示例：

sales_by_customer DataFrame 如下所示：

执行 sales_by_customer.unstack() 后，DataFrame 将变为：

melt（）

melt()函数用于将宽格式的数据转换为长格式。

重要的参数：

id_vars: 可选参数，指定要保留为标识变量的列名列表。这些列的值将被复制到长格式数据的每一行中，以保持其唯一性。

value_vars: 可选参数，指定要转换为长格式的列名列表。如果未指定，则默认为除了"id_vars"之外的所有列。

var_name: 指定在转换后的DataFrame中，新生成的列（用来表示原宽格式列名）的名称，默认为'variable'。

value_name: 指定在转换后的DataFrame中，新生成的列（用来存放原宽格式列的值）的名称，默认为'value'。

col_level: 如果DataFrame有层次化的列名，此参数可以指定哪一层列名用于melting操作。

ignore_index: 布尔值，默认为False。如果设为True，将重置转换后DataFrame的索引。

pivot_names: 仅在Pandas 1.3及更高版本中可用，用于控制是否将原宽格式列名的层次化信息合并为一个变量名。

宽格式（Wide Format）和长格式（Long Format/Tidy Format）

是数据处理和数据分析中两种常见的数据组织形式。

宽格式的特点是每个变量占据一列，而每个观察对象（如不同的时间点、实验条件等）通常占据一行。这种格式适合于查看某个特定时间点或条件下多个变量的值，但在进行时间序列分析、分组操作或绘制涉及多个变量变化的图表时可能会比较复杂。

长格式则将数据重新组织，使得每个观察结果占据一行，且有明确的变量名和对应的值。一般而言，长格式数据包含三个关键元素：识别变量（如个体ID或时间点）、值变量（测量的数值）和一个或多个变量来标记这些值的属性（如变量名或时间点标签）。这种格式非常适合于统计建模、数据可视化，特别是在需要对不同类别或时间点进行比较和汇总时。

例如，假设我们有一个宽格式的表格记录了几个学生在不同科目上的成绩：

姓名   数学  英语  物理
张三    90    85    88
李四    80    92    90

转换为长格式后，它会变成：

姓名   科目  成绩
张三   数学  90
张三   英语  85
张三   物理  88
李四   数学  80
李四   英语  92
李四   物理  90

在这个转换过程中，每个学生-科目组合变成了一个单独的行，便于分析或绘图时按科目或学生分组。

video_game_sales.melt(id_vars='Name', value_vars='NA')

解释：

video_game_sales: 这是一个 DataFrame 对象，它包含关于电子游戏销售的数据，可能包含多个列，例如游戏名称、地区销售额等。
melt(): 这是一个 Pandas DataFrame 的方法，用于将 DataFrame 从宽格式转换为长格式。它将 DataFrame 中的多个列转换为两个新的列：variable 和 value。
id_vars='Name': 指定要保留在 DataFrame 中的标识列，这里是要保留 Name 列，即游戏名称。
value_vars='NA': 指定要转换为长格式的列，这里是要将 NA 列（北美地区的销售额）转换为长格式。

示例：

假设 video_game_sales DataFrame 如下所示：

       Name  NA  EU  JP
0  Super Mario  10  5  2
1     Zelda      8  3  4

执行 video_game_sales.melt(id_vars='Name', value_vars='NA') 后，DataFrame 将变为：

       Name variable  value
0  Super Mario       NA     10
1     Zelda       NA      8

explode()

recipes.explode('Ingredients')

使用 Pandas 的 explode() 方法将 DataFrame recipes 中的 Ingredients 列展开，将每个包含多个食材的列表拆分成独立的行。

解释:

recipes: 这是一个 DataFrame 对象，包含关于食谱的信息，其中 Ingredients 列存储的是每个食谱的食材列表。
explode('Ingredients'): 这是一个 Pandas DataFrame 的方法，用于将 DataFrame 中的指定列展开。explode() 的参数是列名，这里是要展开 Ingredients 列。

示例：

假设 recipes DataFrame 如下所示：
   Name                                    Ingredients
0  Pizza  ['Tomato sauce', 'Cheese', 'Pepperoni']
1  Salad  ['Lettuce', 'Tomato', 'Cucumber']
执行 recipes.explode('Ingredients') 后，DataFrame 将变为：
   Name         Ingredients
0  Pizza  Tomato sauce
1  Pizza           Cheese
2  Pizza       Pepperoni
3  Salad         Lettuce
4  Salad          Tomato
5  Salad        Cucumber
总结：

recipes.explode('Ingredients') 将 DataFrame 中的 Ingredients 列展开，将每个包含多个食材的列表拆分成独立的行，使得每个食材都对应一个独立的行。

练习

1 在 cars 数据集中，聚合汽车价格的总和。在行轴上按燃料类型分组结果。
2 在 cars 数据集中，聚合汽车的数量。在索引轴上按制造商分组，在列轴上按变速箱类型分组。显示行和列的子总数。
3 在 cars 数据集中，聚合汽车价格的平均值。在索引轴上按年份和燃料类型分组，在列轴上按变速箱类型分组。
4 给定上一个挑战中的 DataFrame，将变速箱级别从列轴移动到行轴。
5 将 min_wage 从宽格式转换为窄格式。换句话说，将数据从八个年份列（2010-17）移动到单个列中。

car = pd.read_csv('used_cars.csv')
carmin_wage = pd.read_csv('minimum_wage.csv')
min_wage.head()#1.
car.pivot_table(values = 'Price',index = 'Fuel',aggfunc = 'sum'
)#2.
car.pivot_table(values = 'Price',index = 'Manufacturer',columns = 'Transmission',aggfunc = 'count',margins = True,margins_name = 'Total'
)#3.
car.pivot_table(values = 'Price',index = ['Year','Fuel'],columns = 'Transmission',aggfunc = 'mean'
)#4.
c1 = car.pivot_table(values = 'Price',index = ['Year','Fuel'],columns = 'Transmission',aggfunc = 'mean'
)
c1.stack()#5.
year = ['2010','2011','2012','2013','2014','2015','2016','2017']
min_wage.melt(id_vars = 'State',var_name = 'Year',value_name = 'wage')