第4章 pandas数据获取
完整参考：
1.1 数据获取
1.1.1 概述
数据经过采集后通常会被存储到Word、Excel、JSON等文件或数据库中，从而为后期的预处理工作做好数据储备。数据获取是数据预处理的第一步操作，主要是从不同的渠道中读取数据。Pandas支持CSV、TXT、Excel、JSON这几种格式文件、HTML表格的读取操作，另外Python可借助第三方库实现Word与PDF文件的读取操作。本章主要为大家介绍如何从多个渠道中获取数据，为预处理做好数据准备。
1.1.2 从CSV和TXT文件获取数据
read_csv(filepath_or_buffer,sep=',', delimiter=None, header='infer', names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, encoding=None...)
filepath_or_buffe：表示文件的路径，可以取值为有效的路径字符串、路径对象或类似文件的对象。
sep：表示指定的分隔符，默认为“,”。
header：表示指定文件中的哪一行数据作为DataFrame类对象的列索引，默认为0，即第一行数据作为列索引。
names：表示DataFrame类对象的列索引列表,当names没被赋值时，header会变成0，即选取数据文件的第一行作为列名；当 names 被赋值，header 没被赋值时，那么header会变成None。如果都赋值，就会实现两个参数的组合功能。
encoding：表示指定的编码格式。
读取csv案例-指定sep,encoding,engine
案例
import pandas as pd evaluation_data = pd.read_csv( "phones.csv", sep=',',encoding='gbk',engine = 'python') print(evaluation_data)
engine：使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。 encoding：指定字符集类型，即编码，通常指定为’utf-8’
1.1.3 读取Excel文件
Excel文件（Excel 2007及以上版本的扩展名为.xlsx）是日常工作中经常使用的，该文件主要以工作表存储数据，工作表中包含排列成行和列的单元格。Excel文件中默认有3个工作表，用户可根据需要添加一定个数（因可用内存的限制）的工作表。
Pandas中使用read_excel()函数读取Excel文件中指定工作表的数据，并将数据转换成一个结构与工作表相似的DataFrame类对象。
pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None,squeeze=False, dtype=None, engine=None,converters=None, true_values=None, false_values=None, skiprows=None, nrows=None,na_values=None, parse_dates=False, date_parser=None,thousands=None, comment=None, skipfooter=0,convert_float=True,**kwds)
sheet_name：表示要读取的工作表，默认值为0。
header：表示指定文件中的哪一行数据作为DataFrame类对象的列索引。
names：表示DataFrame类对象的列索引列表。
案例
data3 = pd.read_excel('Athletes_info.xlsx',sheet_name='Sheet1',header=0,engine='openpyxl')
上述代码会读取Athletes_info.xlsx文件中的Sheet1，header=0表示取第1行为列字段，采用openpyxl作为读取excel的引擎。
1.1.4 读取json文件
掌握read_json()函数的用法，可以熟练地使用该方法从JSON文件中获取数据
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，它以简洁和清晰的层次结构来组织数据，易于被人们阅读和编写。JSON采用独立于编程语言的文本格式来存储数据，其文件的后缀名为.json，可通过文本编辑工具查看。
Pandas中使用read_json()函数读取JSON文件的数据，并将数据转换成一个DataFrame类对象。
pandas.read_json(path_or_buf=None, orient=None, typ='frame', dtype=None, convert_axes=None, convert_dates=True, keep_default_dates=True, numpy=False, precise_float=False, date_unit=None, encoding=None, lines=False, chunksize=None, compression='infer')
案例
strtext='[{"ttery":"min","issue":"20130801-3391","code":"8,4,5,2,9","code1":"297734529","code2":null,"time":1013395466000},\ {"ttery":"min","issue":"20130801-3390","code":"7,8,2,1,2","code1":"298058212","code2":null,"time":1013395406000},\ {"ttery":"min","issue":"20130801-3389","code":"5,9,1,2,9","code1":"298329129","code2":null,"time":1013395346000},\ {"ttery":"min","issue":"20130801-3388","code":"3,8,7,3,3","code1":"298588733","code2":null,"time":1013395286000},\ {"ttery":"min","issue":"20130801-3387","code":"0,8,5,2,7","code1":"298818527","code2":null,"time":1013395226000}]' df=pd.read_json(strtext,orient='records')
输出为：
1.1.5 读取sql数据
from sqlalchemy import create_engine import pandas as pd # 配置数据库信息 db_info = {'user':'root', 'pwd':'XXXX', # 修改为你的密码 'host':'localhost', 'database':'XXX' # 这里我们事先指定了数据库，后续操作只需要表即可 } #这里直接使用pymysql连接,echo=True，会显示在加载数据库所执行的SQL语句。 engine = create_engine('mysql+pymysql://%(user)s:%(pwd)s@%(host)s/%(database)s?charset=utf8' % db_info,encoding='utf-8') # 执行sql查询，并把数据库连接作为参数传进来 data = pd.read_sql('SELECT dep_id, dep_name FROM dep_info', con = engine) data
第5章 数据清理
2.1 数据清理概述
2.1.1 数据清理概述
数据清理概述
缺失值的检测与处理
重复值的检测与处理
异常值的检测与处理
2.2 数据清理案例
2.1 缺失值处理
2.1.1 缺失值的检测与处理方法
缺失值的检测可以采用isnull()、notnull()、isna()和notna()方法的用法，可以熟练地使用这些方法来检测缺失值。
isnull()、notnull()、isna()和notna()方法均会返回一个由布尔值组成、与原对象形状相同的新对象 其中isnull()和isna()方法的用法相同，它们会在检测到缺失值的位置标记True； notnull()和notna()方法的用法相同，它们会在检测到缺失值的位置标记False。
为避免包含缺失值的数据对分析预测结果产生一定的偏差，缺失值被检测出来之后一般不建议保留，而是选择适当的手段给予处理。缺失值的常见处理方式有三种：删除缺失值、填充缺失值和插补缺失值，pandas中为每种处理方式均提供了相应的方法。
2.1.2 删除缺失值
pandas中提供了删除缺失值的方法dropna()，dropna()方法用于删除缺失值所在的一行或一列数据，并返回一个删除缺失值后的新对象。
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None,inplace=False)
axis：表示是否删除包含缺失值的行或列。
how：表示删除缺失值的方式。
thresh：表示保留至少有N个非NaN值的行或列。
subset：表示删除指定列的缺失值。
inplace：表示是否操作原数据。
2.1.3填充缺失值
pandas中提供了填充缺失值的方法fillna()，fillna()方法既可以使用指定的数据填充，也可以使用缺失值前面或后面的数据填充。
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)
method：表示填充的方式，默认值为None。该参数还支持 'pad’或’ffill’和’backfill’或’bfill’几种取值，其中’pad’或’ffill’表示将最后一个有效值向后传播，也就是说使用缺失值前面的有效值填充缺失值；'backfill’或’bfill’表示将最后一个有效值向前传播，也就是说使用缺失值后面的有效值填充缺失值。
limit：表示可以连续填充的最大数量。
2.1.4 插补缺失值
pandas中提供了插补缺失值的方法interpolate()，interpolate() 会根据相应的插值方法求得的值进行填充。
DataFrame.interpolate(method='linear', axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=None, **kwargs)
method：表示使用的插值方法，该参数支持’linear’（默认值）、‘time’、 ‘index’、‘values’、 ‘nearest’ 、'barycentric’共6种取值，其中’linear’代表采用线性插值法进行填充；'time’代表根据时间长短进行填充；‘index’、'values’代表采用索引的实际数值进行填充；'nearest’代表采用最临近插值法进行填充；'barycentric’代表采用重心坐标插值法进行填充。
limit_direction：表示按照指定方向对连续的NaN进行填充。
2.1.5 案例
import pandas as pd import numpy as np # 创建DataFrame na_df = pd.DataFrame({'A':[1, 2, np.NaN, 4], 'B':[3, 4, 4, 5], 'C':[5, 6, 7, 8], 'D':[7, 5, np.NaN, np.NaN]}) # 使用isna()方法检测na_df中是否存在缺失值 na_df.isna() # 计算每列缺失值的总和 na_df.isnull().sum() # 看看缺失值所在的行 na_df[na_df.isnull().T.any()] # 删除缺失值 -- 将缺失值出现的行全部删掉 na_df.dropna() # 保留至少有3个非NaN值的行 na_df.dropna(thresh=3) # 缺失值补全｜整体填充 将全部缺失值替换为 * na_df.fillna("*")
2.3 重复值处理
2.3.1 重复值的检测
pandas中使用duplicated()方法来检测数据中的重复值。
DataFrame.duplicated(subset=None, keep='first')
subset：表示识别重复项的列索引或列索引序列，默认标识所有的列索引。
keep：表示采用哪种方式保留重复项，该参数可以取值为’first’（默认值）、 'last '和 ‘False’，其中’first’代表删除重复项，仅保留第一次出现的数据项；'last '代表删除重复项，仅保留最后一次出现的数据项；'False’表示所有相同的数据都被标记为重复项。
duplicated()方法检测完数据后会返回一个由布尔值组成的Series类对象，该对象中若包含True，说明True对应的一行数据为重复项。
2.3.2 重复值的处理
重复值的一般处理方式是删除，pandas中使用drop_duplicates()方法删除重复值。
DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)
keep：表示采用哪种方式保留重复项，该参数可以取值为’first’（默认值）、 'last ‘和’False’，其中’first’代表删除重复项，仅保留第一次出现的数据项；'last '代表删除重复项，仅保留最后一次出现的数据项；'False’表示删除所有的重复项。
inplace：表示是否放弃副本数据，返回新的数据，默认为False。
ignore_index：表示是否对删除重复值后的对象的行索引重新排序，默认为Flase。
2.3.3 重复值处理案例
创建DataFrame对象：
# 创建DataFrame对象 import pandas as pd import numpy as np df = pd.DataFrame({'name': ['刘婷婷', '王淼', '彭岩', '刘华', '刘华', '周华'], 'age': [24, 23, 29, 22, 22, 27], 'height': [162, 165, 175, 175, 175, 178], 'gender': ['女', '女', '男', '男', '男', '男']}) # 检测df对象中的重复值 df.duplicated() # 返回boolean数组 # 查找重复值 # 将全部重复值所在的行筛选出来 df[df.duplicated()] # 查找重复值｜指定 # 上面是所有列完全重复的情况，但有时我们只需要根据某列查找重复值 df[df.duplicated(['gender'])] # 删除全部的重复值 df.drop_duplicates() # 删除重复值｜指定 # 删除全部的重复值，但保留最后一次出现的值 df.drop_duplicates(keep = 'last')
2.4 异常值处理
2.4.1 异常值的检测
异常值的检测可以采用 3σ原则 和 箱形图检测。
1. 3σ原则
3σ原则，又称为拉依达原则，它是先假设一组检测数据只含有随机误差，对该组数据进行计算处理得到标准偏差，按一定概率确定一个区间，凡是超过这个区间的误差不属于随机误差而是粗大误差，含有粗大误差范围内的数据（视为异常值）应予以剔除。
3σ原则并不适用于任意数据集，而只适用于符合或近似正态分布的数据集。
正态分布也称高斯分布，是统计学中十分重要的概率分布，它有两个比较重要的参数：μ和σ，其中μ是遵从正态分布的随机变量（值无法预先确定仅以一定的概率取值的变量）的均值，σ是此随机变量的标准差。
结合正态分布曲线图，3σ原则在各区间所占的概率如下：
数值分布在（μ-σ,μ+σ)区间中的概率为68.2%。
数值分布在（μ-2σ,μ+2σ)区间中的概率为95.4%。
数值分布在（μ-3σ,μ+3σ)区间中的概率为99.7%。
大多数数值集中在（μ-3σ,μ+3σ)区间的概率最大，数值超出这个区间的概率仅占不到0.3%。所以，凡是误差超过（μ-3σ,μ+3σ)区间的数值均属于异常值。
2.箱型图检测
箱形图是一种用于显示一组数据分散情况的统计图，它通常由上边缘、上四分位数、中位数、下四分位数、下边缘和异常值组成。箱形图能直观地反映出一组数据的分散情况，一旦图中出现离群点（远离大多数值的点），就认为该离群点可能为异常值。
Q3表示上四分位数，说明全部检测值中有四分之一的值比它大；
Q1表示下四分位数，说明全部检测值中有四分之一的值比它小；
IQR表示四分位数间距，即上四分位数Q3与下四分位数Q1之差，其中包含了一半检测值； 空心圆点表示异常值，该值的范围通常为小于Q1 – 1.5IQR或大于Q3 + 1.5IQR
为了能够直观地从箱形图中查看异常值，pandas中提供了两个绘制箱形图的函数：plot()和boxplot()，其中plot()函数用于根据Series和DataFrame类对象绘制箱形图，该箱形图中默认不会显示网格线； boxplot()函数用于根据DataFrame类对象绘制箱形图，该箱形图中默认会显示网格线。
第6章 数据集成变换规约
3.1 数据集成
3.1.1数据集成需要关注的问题
数据集成期间的数据问题，包括：
实体识别
冗余属性识别
元组重复等
3.2 基于Pandas实现数据集成
pandas中内置了许多能轻松地合并数据的函数与方法，通过这些函数与方法可以将Series类对象或DataFrame类对象进行符合各种逻辑关系的合并操作，合并后生成一个整合的Series或DataFrame类对象。基于这些方法实现主键合并数据、重叠合并数据和堆叠合并数据操作。
常用的合并数据的函数包括：
3.2.3 主键合并数据merge
主键合并数据类似于关系型数据库的连接操作，主要通过指定一个或多个键将两组数据进行连接，通常以两组数据中重复的列索引为合并键。
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes='_x', '_y', copy=True, indicator=False, validate=None)
参数含义如下：
left，right：参与合并的Series或DataFrame类对象。
how：表示数据合并的方式，支持’inner’（默认值）、‘left’、‘right’、'outer’共4个取值。
on：表示left与right合并的键。
sort：表示按键对应一列的顺序对合并结果进行排序，默认为True。
how参数的取值‘inner’代表基于left与right的共有的键合并，类似于数据库的内连接操作；'left’代表基于left的键合并，类似于数据库的左外连接操作；'right’代表基于right的键合并，类似于数据库的右外连接操作；'outer’代表基于所有left与right的键合并，类似于数据库的全外连接操作。
3.2.4 堆叠合并数据concat
堆叠合并数据类似于数据库中合并数据表的操作，主要沿着某个轴将多个对象进行拼接。
pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=None, copy=True)
参数含义如下：
join：表示合并的方式，可以取值为’inner’或’outer’（默认值），其中’inner’表示内连接，即合并结果为多个对象重叠部分的索引及数据，没有数据的位置填充为NaN；'outer’表示外连接，即合并结果为多个对象各自的索引及数据，没有数据的位置填充为NaN。
ignore_index：是否忽略索引，可以取值为True或False（默认值）。若设为True，则会在清除结果对象的现有索引后生成一组新的索引。
3.2.5 追加合并数据append
Pandas可以通过append实现纵向追加：
df1 = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB')) print(df1) df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB')) print(df2) # 纵向追加 df1.append(df2, ignore_index=True)
3.2.6 基于索引合并join
join函数如下：
DataFrame.join(self, other, on=None, how=“left”, lsuffix="", rsuffix="", sort=False)
其中
other：DataFrame, Series, or list of DataFrame，另外一个dataframe, series，或者dataframe list。
on: 参与join的列，与sql中的on参数类似。
how: {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘left’， 与sql中的join方式类似。
lsuffix: 左DataFrame中重复列的后缀
rsuffix: 右DataFrame中重复列的后缀
sort: 按字典序对结果在连接键上排序
join方式为按某个相同列进行join:
score_df = pd.DataFrame({'name': ['石申夫', '甘德', '乙', '甲'], 'age': [18, 28, 24, 36]}) score1_df = pd.DataFrame({'name': ['张衡', '石申夫', '乙', '甘德'], 'score': ['A', 'B', 'C', 'B']}) score_df.set_index('name', inplace=True) # 设置索引 可以尝试如果不设置会怎么样 score1_df.set_index('name', inplace=True) # 设置索引 score_df.join(score1_df, on='name')
输出为：
3.2.7 总结：
pandas包中，进行数据合并有join()、merge()、concat(), append()四种方法。它们的区别是：
df.join() 相同行索引的数据被合并在一起，因此拼接后的行数不会增加(可能会减少)、列数增加；
df.merge()通过指定的列索引进行合并，行列都有可能增加;merge也可以指定行索引进行合并；
pd.concat()通过axis参数指定在水平还是垂直方向拼接；
df.append()在DataFrame的末尾添加一行或多行；大致等价于pd.concat([df1,df2],axis=0,join=‘outer’)。
join 最简单，主要用于基于索引的横向合并拼接
merge 最常用，主要用于基于指定列的横向合并拼接
concat最强大，可用于横向和纵向合并拼接
append，主要用于纵向追加
3.3 数据变换
数据变换的常见处理方式包括：
数据标准化处理
数据离散化处理
数据泛化处理
3.3.1分组与聚合
分组与聚合是常见的数据变换操作
分组指根据分组条件（一个或多个键）将原数据拆分为若干个组；
聚合指任何能从分组数据生成标量值的变换过程，这一过程中主要对各分组应用同一操作，并把操作后所得的结果整合到一起，生成一组新数据。
下面通过一个例子说明分组聚合的过程：
掌握分组与聚合的过程，可以熟练地groupby()、agg()、transfrom()和apply()方法实现分组与聚合操作
3.3.2 分组操作groupby()
pandas中使用groupby()方法根据键将原数据拆分为若干个分组。
groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=<object object>, observed=False, dropna=True)
by：表示分组的条件，可以取值为字符串、列表、字典或Series、函数等。
axis：表示分组操作的轴编号，可以是0或1。该参数的默认值为0，代表沿列方向操作。
level：表示标签索引所在的级别，默认为None。
as_index：表示聚合后新数据的索引是否为分组标签的索引，默认为True。
sort：表示是否对分组索引进行排序，默认为True。
group_keys：表示是否显示分组标签的名称，默认为True。
3.3.3 分组+内置聚合
分组+自定义聚合：
# 分组+自定义聚合 import pandas as pd df_obj = pd.DataFrame({"key":["C", "B", "C", "A", "B", "B", "A", "C", "A"], "data":[2, 4, 6, 8, 10, 1, 3, 5, 7]}) print(df_obj) df_obj[['key','data']].groupby(by="key").max()
输出为：
3.3.4 聚合操作 （6.2.3 ）
pandas中可通过多种方式实现聚合操作，除前面介绍过的内置统计方法之外，还包括agg()、transfrom()和apply()方法。
初始化聚合所需的DF：
1.agg()聚合
# 初始化分组DF import pandas as pd df_obj = pd.DataFrame({'a': [0, 1, 2, 3, 4, 5], 'b': [1, 7, 13, 19, 25, 31], 'c': [1, 8, 14, 20, 26, 32], 'd': [2, 9, 15, 21, 27, 33], 'e': [2, 10, 16, 22, 28, 34], 'f': [2, 2, 2, 3, 3, 2]}) print(df_obj) df_obj.groupby(by='f').agg({'a':'count'})
输出为：
2. transfrom()方法
transfrom()方法能对分组应用灵活的运算操作，同时可使聚合前与聚合后的数据结构保持一致。
# 初始化分组DF import pandas as pd df_obj = pd.DataFrame({'a': [0, 6, 12, 18, 24, 30], 'b': [1, 7, 13, 19, 25, 31], 'c': [1, 8, 14, 20, 26, 32], 'd': [2, 9, 15, 21, 27, 33], 'e': [2, 10, 16, 22, 28, 34], 'f': [2, 2, 2, 3, 3, 2]}) df_obj['a_max'] = df_obj[['a','f']].groupby(by=['f']).transform('max')
输出为：
3. apply()方法
apply()方法既能直接接收内置方法，又可以接收自定义的函数。
与前几种聚合方式相比，使用apply()方法聚合数据的操作更灵活，它可以代替前两种聚合完成基础操作，另外也可以解决一些特殊聚合操作。
apply(func, *args, **kwargs)
func：表示应用于各分组的函数或方法。
*args和**kwargs ：表示传递给func的位置参数或关键字参数。
案例
# 初始化分组DF import pandas as pd df_obj = pd.DataFrame({'a': [0, 6, 12, 18, 24, 30], 'b': [1, 7, 13, 19, 25, 31], 'c': [1, 8, 14, 20, 26, 32], 'd': [2, 9, 15, 21, 27, 33], 'e': [2, 10, 16, 22, 28, 34], 'f': [2, 2, 2, 3, 3, 2]}) print(df_obj) # 自定义函数，用于计算每个数据除以10的余数 def div_hun(df): return df.iloc[:, :] % 10 df_obj.groupby(by=['f']).apply(div_hun)
输出为：
3.3.5 哑变量处理
1.什么是哑变量
哑变量又称虚拟变量、名义变量等，它是人为虚设的变量，用来反映某个变量的不同类别，常用的取值为0和1。需要说明的是，0和1并不代表数量的多少，而代表不同的类别。
假设变量“职业”有司机、学生、导游、工人、教师共5个类别，这5个类别分别有0和1两种取值，0代表非此种类别，1代表此种类别。
实现哑变量的方法：
pandas中使用get_dummies()函数对类别数据进行哑变量处理，并在处理后返回一个哑变量矩阵。
get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)
data：表示待处理的类别数据，可以是数组、DataFrame类或Series类对象。
prefix：表示列索引名称的前缀，默认为None。
prefix_sep：表示附加前缀的分隔符，默认为“_”。
columns：表示哑变量处理的列索引名称，默认为None。
案例
# 初始化DF import pandas as pd position_df = pd.DataFrame({'职业': ['工人', '学生', '司机', '教师', '导游']}) # 哑变量处理, 并给哑变量添加前缀 result = pd.get_dummies(position_df, prefix=['col']) result
输出为：
3.3.6 面元划分(6.2.5 )
掌握cut()函数的用法，可以熟练地使用过该函数实现面元划分操作
面元划分是指数据被离散化处理，按一定的映射关系划分为相应的面元（可以理解为区间），只适用于连续数据。连续数据又称连续变量，指在一定区间内可以任意取值的数据，该类型数据的特点是数值连续不断，相邻两个数值可作无限分割。
pandas中使用cut()函数能够实现面元划分操作，cut()函数会采用等宽法对连续型数据进行离散化处理。
cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise', ordered=True)
x：表示面元划分的连续数据，可以取值为一维数组或Series类对象。
bins：表示划分面元的依据。
right：表示右端点是否为闭区间，默认为True。
precision：表示区间标签的精度，默认为3。
include_lowest：表示是否包含区间的左端点，默认为False。
cut()函数会返回一个Categorical类对象，该对象可以被看作一个包含若干个面元名称的数组，通过categories属性可以获取所有的分类，即每个数据对应的面元。
案例
import pandas as pd ages = pd.Series([19, 21, 25, 55, 30, 45, 52, 46, 20]) bins = [0, 18, 30, 40, 50, 100] # 使用cut函数划分年龄区间 cuts = pd.cut(ages, bins) cuts
输出为：
import pandas as pd ages = pd.Series([19, 21, 25, 55, 30, 45, 52, 46, 20]) bins = [0, 18, 30, 40, 50, 100] # 使用cut函数划分年龄区间 cuts = pd.cut(ages, bins) cuts
输出为：
3.4 数据规约
3.4.1 stack和unstack用法
pandas中可以使用stack()方法实现重塑分层索引操作。
stack(level=- 1, dropna=True)
level：表示索引的级别，默认为-1，即操作内层索引，若设为0，则会操作外层索引。
dropna：表示是否删除结果对象中存在缺失值的一行数据，默认为True。
同时还有一个stack的逆操作，unstack。两者的操作如下：
案例
初始化数据
import pandas as pd import numpy as np df = pd.DataFrame(np.array([[1,2,3],[4,5,6]]), index=pd.Index(['A', 'B'], name='index_name'), columns=pd.Index(['one', 'two', 'three'], name='col_name')) df
输出为：
使用stack列转行
# 重塑df，使之具有两层行索引 # 原来的列数据one, two, three就到了行上来了，形成多层索引。 # 注意这里：stack()操作后返回的对象是Series类型 result = df.stack() result
输出为：
