详解pandas.DataFrame.stack()（将数据框堆叠为序列）函数使用方法

pandas.DataFrame.stack()方法介绍

pandas.DataFrame.stack()是一个用于多级索引的有用方法。它的作用是将DataFrame的列“压缩”成一列。每个堆叠的列将与索引的最低级别合并成一个新的单级列索引。

pandas.DataFrame.stack()方法的参数

pandas.DataFrame.stack()方法没有任何参数，因为它只有一个默认行为。可以在线官方文档中查看stack()的完整参数列表。

pandas.DataFrame.stack()方法的用法

在本部分中，我们将提供两个使用实例。

实例1

import pandas as pd

data = {
    'One': ['A', 'B', 'C'],
    'Two': [1, 2, 3],
    'Three': ['X', 'Y', 'Z']
}

df = pd.DataFrame(data)
print(df)

new_df = df.stack()
print(new_df)

输出结果：

  One  Two Three
0   A    1     X
1   B    2     Y
2   C    3     Z

0  One           A
   Two           1
   Three         X
1  One           B
   Two           2
   Three         Y
2  One           C
   Two           3
   Three         Z
dtype: object

在此示例中，我们创建了一个DataFrame，并使用stack()方法创建了一个具有多级索引的Series对象。在这个新的Series中，索引的最低级别是输入DataFrame的每个列名称。通过上面的输出结果可以看出，压缩后的DataFrame比原来的DataFrame更容易理解和处理。

实例2

import pandas as pd

data = {
    'One': ['A', 'B', 'C'],
    'Two': [1, 2, 3],
    'Three': ['X', 'Y', 'Z']
}

df = pd.DataFrame(data)
print(df)

new_df = df.stack().reset_index(drop=True)
print(new_df)

输出结果：

  One  Two Three
0   A    1     X
1   B    2     Y
2   C    3     Z

0    A
1    1
2    X
3    B
4    2
5    Y
6    C
7    3
8    Z
dtype: object

在这个示例中，我们使用stack()方法创建了一个多级索引的Series对象，并使用reset_index()方法将其转换为单键索引的DataFrame。附加的drop=True参数用于删除原来添加的第二索引级别的标签，并总结了所有列成为一个单一的DataFrame索引。

总结

pandas.DataFrame.stack()方法用于将DataFrame 的列压缩成一个Series对象，其中最低的级别作为每个堆栈的列名。在我们的两个示例中，我们通过输入 DataFrame 创建了多级索引 Series，并成功解压缩了这些Series，使我们的数据更易于理解和处理。它适用于各种对象，因此我们可以使用它在DataFrame上获取有关数据的某些信息。