关于Pandas版本: 本文基于 pandas2.1.2 编写。
关于本文内容更新: 随着pandas的stable版本更迭,本文持续更新,不断完善补充。
Pandas稳定版更新及变动内容整合专题: Pandas稳定版更新及变动迭持续更新。
DataFrame.T
是 DataFrame.transpose
的访问器,可以用于快速转置,如果需要精细控制是否创建数据副本,可以使用 DataFrame.transpose()
?? 注意 :
转置单一数据类型的
DataFrame
默认不会创建数据副本,转之后的数据修改,会作用于原始数据。例1。如果不想数据修改影响原始数据,请使用 DataFrame.transpose() 并设置copy=True
例1-4转换具有混合数据类型的
DataFrame
将导致具有object
数据类型的同质DataFrame
。在这种情况下,即使用 DataFrame.transpose() 并设置copy=False
也将制作数据的副本。例2
DataFrame.T
DataFrame
。?? 相关方法
测试文件下载:
本文所涉及的测试文件,如有需要,可在文章顶部的绑定资源处下载。
若发现文件无法下载,应该是资源包有内容更新,正在审核,请稍后再试。或站内私信作者索要。
例1:具有单一数据类型的 DataFrame
不会自动创建数据副本, 转之后的数据修改,会作用于原始数据
import pandas as pd
# 构建演示数据
d1 = {"col1": [1, 2], "col2": [3, 4]}
df = pd.DataFrame(data=d1)
# 观察数据类型BaseException
df.dtypes
col1 int64
col2 int64
dtype: object
观察上面结果,可以发现,col1和col2两列的数据类型相同
# 转置
df1 = df.T
df1
0 | 1 | |
---|---|---|
col1 | 1 | 2 |
col2 | 3 | 4 |
# 修改df1的值
df1.iloc[0, 0] = 100
# 观察原始数据df
df
col1 | col2 | |
---|---|---|
0 | 100 | 3 |
1 | 2 | 4 |
由上面结果可以发现,数据类型相同,转之后并没有创建数据副本,对转置数据的修改,会反应在原始数据中。
df.transpose
设置 copy=True
, 对转之后的数据修改数据,则不会修改原始数据。import pandas as pd
# 构建演示数据
d1 = {"col1": [1, 2], "col2": [3, 4]}
df = pd.DataFrame(data=d1)
# 转置
df2 = df.transpose(copy=True)
# 修改转之后的数据
df2.iloc[0, 0] = 100
# 观察原始数据
df
col1 | col2 | |
---|---|---|
0 | 1 | 3 |
1 | 2 | 4 |
由上面结果可以发现,具有统一数据类型的 DataFrame
设置 copy=True
转置后,转置数据的修改,不会反映在原始数据。
例2:转置混合数据类型的 DataFrame
将始终创建数据副本,即便 copy=False
import pandas as pd
# 构建演示数据
d2 = {'name': ['Alice', 'Bob'],
'score': [9.5, 8],
'employed': [False, True],
'kids': [0, 0]}
df2 = pd.DataFrame(data=d2)
# 设置copy=False 转置
df3 = df.transpose(copy=False)
# 修改df3的数据
df3.iloc[0,0] = 1000
# 观察原始数据
df
df2
name | score | employed | kids | |
---|---|---|---|---|
0 | Alice | 9.5 | False | 0 |
1 | Bob | 8.0 | True | 0 |
由上面结果可以发现,即便转置时设置 copy=False
,转置后的数据修改,也没有作用于原始数据,这说明转置混合数据类型的 DataFrame
将始终创建数据副本