Pandas DataFrame DataFrame.transpose()函数
Python Pandas DataFrame.transpose() 函数将 DataFrame 的行改为列，列改为行。换句话说，它生成一个新的 DataFrame，它是原 DataFrame 的转置。
pandas.DataFrame.transpose() 的语法
DataFrame.transpose(*args,
copy= False)
参数
*args |
这些是与 NumPy 兼容的附加关键字参数 |
copy |
它是一个布尔值。它决定 DataFrame 的值在进行转置后是否会被复制。默认情况下，它的值是 False。 |
返回值
它返回一个转置的 DataFrame。原有的 DataFrame 的行是返回的 DataFrame 中的列，反之亦然。
示例代码：DataFrame.transpose()
我们将在接下来的代码中实现这个功能。
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
这个函数的所有参数都是可选的。如果我们在执行这个函数时不传递任何参数，那么它将产生以下输出。
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)
输出：
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
示例代码：DataFrame.transpose() 转置具有统一数据类型的 DataFrame
对于同质数据和混合数据类型，该函数的行为是不同的。我们将逐一分析。如果我们有一个同质类型的 DataFrame，那么原始的和转置的 Dataframes 的数据类型是一样的。
同质数据类型的 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)
我们的 DataFrame 是：
A B
0 6 60
1 20 50
2 80 7
3 78 67
4 95 54
5 98 34
要得到这个 DataFrame 的转置。
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)
输出：
0 1 2 3 4
A 6 20 80 78 95
B 60 50 7 67 54
现在，我们来分析一下原始的 DataFrame 和返回的 DataFrame 的数据类型。
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)
输出：
A int64
B int64
dtype: object
0 int64
1 int64
2 int64
3 int64
4 int64
dtype: object
请注意原始 DataFrame 和转置后的 DataFrame 的数据类型是一样的。
示例代码：DataFrame.transpose() 转置混合数据类型的 DataFrame
如果我们有一个混合类型的 DataFrame，那么原始的和转置的 Dataframes 的数据类型是不同的。转置的 DataFrame 具有对象数据类型。混合数据类型的 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)
我们的 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
要得到这个 DataFrame 的转置。
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)
输出：
0 1 2 3 4
Attendance 60 100 80 78 95
Name Olivia John Laura Ben Kevin
Obtained Marks 90 75 82 64 45
现在，我们来分析一下原始的 DataFrame 和返回的 DataFrame 的数据类型。
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)
输出：
Attendance int64
Name object
Obtained Marks int64
dtype: object
0 object
1 object
2 object
3 object
4 object
dtype: object
请注意，转置后的 DataFrame 的数据类型是 object 数据类型。
相关文章
Django 中的 Slug
发布时间：2023/05/04 浏览次数：173 分类：Python
-
本篇文章旨在定义一个 slug 以及我们如何使用 slug 字段在 Python 中使用 Django 获得独特的帖子。
在 Django 中按降序过滤查询集中的项目
发布时间：2023/05/04 浏览次数：157 分类：Python
-
在这个讲解中，学习如何借助 Django 中的 order_by() 方法按降序过滤出查询集中的项目。
Django ALLOWED_HOSTS 介绍
发布时间：2023/05/04 浏览次数：181 分类：Python
-
本文展示了如何创建您的 Django 网站，为公开发布做好准备，如何设置 ALLOWED_HOSTS 以及如何在使用 Django 进行 Web 部署期间修复预期的主要问题。
Django 中的 Select_related 方法
发布时间：2023/05/04 浏览次数：129 分类：Python
-
本文介绍了什么是查询集，如何处理这些查询以及我们如何利用 select_related() 方法来过滤 Django 中相关模型的查询。
使用 Post 请求将数据发送到 Django 服务器
发布时间：2023/05/04 浏览次数：159 分类：Python
-
在这篇关于Django的讲解中，我们简要介绍了post和get请求以及如何在Django中用post实现CSRF token。
Django 返回 JSON
发布时间：2023/05/04 浏览次数：106 分类：Python
-
在与我们的讨论中，我们简要介绍了 JSON 格式，并讨论了如何借助 Django 中的 JsonResponse 类将数据返回为 JSON 格式。
在 Django 中创建对象
发布时间：2023/05/04 浏览次数：59 分类：Python
-
本文的目的是解释什么是模型以及如何使用 create() 方法创建对象，并了解如何在 Django 中使用 save() 方法。
在 Django 中为多项选择创建字段
发布时间：2023/05/04 浏览次数：75 分类：Python
-
在本文中，我们将着眼于为多项选择创建一个字段，并向您展示如何允许用户在 Django 中进行多项选择。
