在逛CSDN论坛时遇到这样一个问题：

下列代码中srcdf和desdf都是Pandas的DataFrame对象，需要将srcdf转换为desdf，也就是根据列中的值拓展新的列，关系数据库报表中常见的需求，请问用DataFrame要如何实现？

  2. print(srcdf)
  3. 姓名 性别 科目 分数
  4. 编号
  5. 0 刘玄德 男 语文 98
  6. 1 刘玄德 男 数学 60
  7. 2 刘玄德 男 体育 50
  8. 3 关云长 男 语文 60
  9. 4 关云长 男 数学 60
  10. 5 关云长 男 体育 100
  12. [6 rows x 4 columns]
  14. print(desdf)
  15. 姓名 性别 语文 数学 体育 平均分
  16. 编号
  17. 0 刘玄德 男 98 60 50 66.666667
  18. 1 关云长 男 60 60 100 73.333333
  20. [2 rows x 6 columns]

经过分析，发现实际是将那么分组，将科目展开，即《利用pandas进行数据分析》第七章 数据转换下的将‘长格式’转换为‘宽格式’ 问题。论坛里已经有一种解决办法了：

  2. In [148]: from pandas import Series,DataFrame
  3. ...: a=[['刘玄德','男','语文',98.],['刘玄德','男','体育',60.],['关云长','男','数学',60.],['关云长','男','语文',100.]]
  4. ...: af=DataFrame(a,columns=['name','sex','course','score'])
  6. In [149]: af
  7. Out[149]:
  8. name sex course score
  9. 0 刘玄德 男 语文 98
  10. 1 刘玄德 男 体育 60
  11. 2 关云长 男 数学 60
  12. 3 关云长 男 语文 100
  14. In [150]: af.set_index(['name','sex','course'],inplace='TRUE')
  16. In [151]: af
  17. Out[151]:
  18. score
  19. name sex course
  20. 刘玄德 男 语文 98
  21. 体育 60
  22. 关云长 男 数学 60
  23. 语文 100
  25. In [152]: t1=af.unstack(level=2)
  27. In [153]: t1
  28. Out[153]:
  29. score
  30. course 体育 数学 语文
  31. name sex
  32. 关云长 男 NaN 60 100
  33. 刘玄德 男 60 NaN 98
  35. In [154]: t2=t1.mean(axis=1,skipna=True)
  37. In [155]: t2
  38. Out[155]:
  39. name sex
  40. 关云长 男 80
  41. 刘玄德 男 79
  42. dtype: float64
  44. In [156]: t1['平均分']=t2
  46. In [157]: t1
  47. Out[157]:
  48. score 平均分
  49. course 体育 数学 语文
  50. name sex
  51. 关云长 男 NaN 60 100 80
  52. 刘玄德 男 60 NaN 98 79
  54. In [158]: t1.fillna(0)
  55. Out[158]:
  56. score 平均分
  57. course 体育 数学 语文
  58. name sex
  59. 关云长 男 0 60 100 80
  60. 刘玄德 男 60 0 98 79

首先使用set_index 重建索引，这个函数很厉害，实际上是做了分组（groupby）和重建索引的工作。然后用unstack将行转换成列，最后算平均数，然后组合到一起。这里关键用到set_index(),unstack()。默认情况下，unstack的操作就是最内层的（这里就是level=2）,除了传统分级编号，也可以用名称对其unstack。如果数据在分组中找不到的话会引入NaN。

下面我尝试用pivot和pivot_table解这个问题：

  2. #解法2：
  3. In [126]: a=[['刘玄德','男','语文',98.],['刘玄德','男','体育',60.],['关云长','男','数学',60.],['关云长','男','语文',100.]]
  4. ...: af=DataFrame(a,columns=['name','sex','course','score'])
  5. In [127]: af2=af.pivot('name','course','score') #使用pviot
  6. In [128]: af2['avg']=af2.mean(axis=1)
  7. In [129]: af2.fillna(0)
  8. Out[129]:
  9. course 体育 数学 语文 avg
  10. name
  11. 关云长 0 60 100 80
  12. 刘玄德 60 0 98 79
  13. In [130]: af2
  14. Out[130]:
  15. course 体育 数学 语文 avg
  16. name
  17. 关云长 NaN 60 100 80
  18. 刘玄德 60 NaN 98 79
  19. In [131]: af2[af2.isnull()]=0
  20. In [132]: af2
  21. Out[132]:
  22. course 体育 数学 语文 avg
  23. name
  24. 关云长 0 60 100 80
  25. 刘玄德 60 0 98 79

pivot的前两个参数值分别作用于行和列索引，最后一个参数值则是用于填充DaraFrame的数据列的列名。在《利用pandas进行数据分析》第七章 数据转换下的将‘长格式’转换为‘宽格式’ 中作者一语道破了pivot和上面做法的区别：

数据集中性表格（数据行列转置数据透视）(1)

接下来我尝试用更简单的方法去得到上面的结果，在《利用pandas进行数据分析》书中，第九章 讲了透视表和交叉表。

pivot_table 就是数据透视表，用过EXCEL数据透视表的对此肯定很熟悉。不过目前函数的参数有所更新，原来的rows变成了index，cols变成了columns。

数据集中性表格（数据行列转置数据透视）(2)

  2. #解法3：
  3. af.pivot_table('score',index='name',columns='course',aggfunc='mean',margins=True,fill_value=0)
  4. Out[141]:
  5. course 体育 数学 语文 All
  6. name
  7. 关云长 0 60 100 80.0
  8. 刘玄德 60 0 98 79.0
  9. All 60 60 99 79.5

数据集中性表格（数据行列转置数据透视）(3)

,