Pandas DataFrame DataFrame.transpose()函式
Minahil Noor
2023年1月30日
-
pandas.DataFrame.transpose()的語法 -
示例程式碼：
DataFrame.transpose() -
示例程式碼：
DataFrame.transpose()轉置具有統一資料型別的 DataFrame -
示例程式碼：
DataFrame.transpose()轉置混合資料型別的DataFrame
Python Pandas DataFrame.transpose() 函式將 DataFrame 的行改為列，列改為行。換句話說，它生成一個新的 DataFrame，它是原 DataFrame 的轉置。
pandas.DataFrame.transpose() 的語法
DataFrame.transpose(*args, copy=False)
引數
*args |
這些是與 NumPy 相容的附加關鍵字引數 |
copy |
它是一個布林值。它決定 DataFrame 的值在進行轉置後是否會被複制。預設情況下，它的值是 False。 |
返回值
它返回一個轉置的 DataFrame。原有的 DataFrame 的行是返回的 DataFrame 中的列，反之亦然。
示例程式碼：DataFrame.transpose()
我們將在接下來的程式碼中實現這個功能。
import pandas as pd
dataframe=pd.DataFrame({
'Attendance':
{0: 60,
1: 100,
2: 80,
3: 78,
4: 95},
'Name':
{0: 'Olivia',
1: 'John',
2: 'Laura',
3: 'Ben',
4: 'Kevin'},
'Obtained Marks':
{0: 90,
1: 75,
2: 82,
3: 64,
4: 45}
})
print(dataframe)
示例 DataFrame 就是:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
這個函式的所有引數都是可選的。如果我們在執行這個函式時不傳遞任何引數，那麼它將產生以下輸出。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
輸出：
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
示例程式碼：DataFrame.transpose() 轉置具有統一資料型別的 DataFrame
對於同質資料和混合資料型別，該函式的行為是不同的。我們將逐一分析。如果我們有一個同質型別的 DataFrame，那麼原始的和轉置的 Dataframes 的資料型別是一樣的。
同質資料型別的 DataFrame 如下所示
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
print(dataframe)
我們的 DataFrame 是：
A B
0 6 60
1 20 50
2 80 7
3 78 67
4 95 54
5 98 34
要得到這個 DataFrame 的轉置。
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
輸出：
0 1 2 3 4
A 6 20 80 78 95
B 60 50 7 67 54
現在，我們來分析一下原始的 DataFrame 和返回的 DataFrame 的資料型別。
import pandas as pd
dataframe = pd.DataFrame(
{"A": {0: 6, 1: 20, 2: 80, 3: 78, 4: 95}, "B": {0: 60, 1: 50, 2: 7, 3: 67, 4: 54}}
)
dataframe1 = dataframe.transpose()
print(dataframe.dtypes)
print(dataframe1.dtypes)
輸出：
A int64
B int64
dtype: object
0 int64
1 int64
2 int64
3 int64
4 int64
dtype: object
請注意原始 DataFrame 和轉置後的 DataFrame 的資料型別是一樣的。
示例程式碼：DataFrame.transpose() 轉置混合資料型別的 DataFrame
如果我們有一個混合型別的 DataFrame，那麼原始的和轉置的 Dataframes 的資料型別是不同的。轉置的 DataFrame 具有物件資料型別。混合資料型別的 DataFrame 如下所示
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
print(dataframe)
我們的 DataFrame 是：
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
要得到這個 DataFrame 的轉置。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe1)
輸出：
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
現在，我們來分析一下原始的 DataFrame 和返回的 DataFrame 的資料型別。
import pandas as pd
dataframe = pd.DataFrame(
{
"Attendance": {0: 60, 1: 100, 2: 80, 3: 78, 4: 95},
"Name": {0: "Olivia", 1: "John", 2: "Laura", 3: "Ben", 4: "Kevin"},
"Obtained Marks": {0: 90, 1: 75, 2: 82, 3: 64, 4: 45},
}
)
dataframe1 = dataframe.transpose()
print(dataframe.dtypes)
print(dataframe1.dtypes)
輸出：
Attendance int64
Name object
Obtained Marks int64
dtype: object
0 object
1 object
2 object
3 object
4 object
dtype: object
請注意，轉置後的 DataFrame 的資料型別是 object 資料型別。