Pandas.DataFrame.transpose() 转置 详解 含代码 含测试数据集 随Pandas版本持续更新

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。

Pandas API参考所有内容目录

Pandas.DataFrame.transpose()

DataFrame.groupby() 方法用于使用映射器或指定的列，对 DataFrame 进行数据分组，可以实现类似Excel的数据透视、分类汇总的效果。

• pandas.DataFrame.transpose 方法用于交换 DataFrame 的行和列，即将索引变为列标签，将列标签变为索引。这是通过在主对角线上翻转 DataFrame 的方式实现的。
• 属性 T 是方法 DataFrame.transpose 的访问器，可以通过 DataFrame.T 实现快速转置。

转置前和转置后示意图

语法：

DataFrame.groupby (*args, copy=False)

返回值：

• DataFrame
  • 返回转之后的 DataFrame。

参数说明：

*args

• *args: tuple, optional

  为了与 NumPy 兼容而接受的参数，但在实践中通常不需要传递。

copy 是否创建数据副本

• copy: bool, default False

  copy 参数用于指定是否在转置后复制数据,默认 copy=False 即不会创建数据副本。

  • True: 创建数据副本。
  • False： 创建数据副本。

  ?? 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，可以设置 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 copy=False 也将制作数据的副本。^例2

相关方法：

?? 相关方法

---

• DataFrame.T

  快速转置

示例：

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

• 例1-1、 构建演示数据，并观察数据类型

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
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

• 例1-2、 进行转置

# 转置
df1 = df.transpose()
df1

	0	1
col1	1	2
col2	3	4

• 例1-3、 对转之后的数据修改数据，然后观察原始数据

# 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。

• 例1-4、 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]}
df = 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

	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